Solucionari Cruilla Mat Ccss Bat 1 2a Part PDF

Matemàtiques
aplicades a les Ciències Socials
1r BATXILLERAT
SOLUCIONARI
2a PART: UNITATS 8-13
SOLUCIONARI UNITAT 8. LÍMITS I CONTINUÏTAT
8. Límits i continuïtat
EXERCICIS PROPOSATS
1, 2 i 3. Exercicis resolts.
4. De les successions següents, digues si són creixents o decreixents. Si estan fitades, indica a quin nombre
real s’acosten.
a) a1  2; a2  2,9; a3  2,99; a4  2,999...
b) a1  2, a2  4, a3  6, a4  8...
5 6 7 8 9 10
c) a1  , a2  , a3  , a4  , a5  , a6  ...
2 3 4 5 6 7
a) La successió creix. Les fites són m = 2 i M = 3. S’acosta al valor 3.
b) La successió creix. La fita inferior és m = 2 i no té fita superior. No s’acosta a cap valor. Diem que
tendeix a + perquè no para de créixer.
5
c) La successió decreix. Les fites són m = 1 i M = . S’acosta al valor 1.
2
2n 2n
5. La successió an  és creixent i fitada superiorment. Troba lim .
n3 n  n  3
2n 2
La successió an  té el primer terme com a fita inferior: m = a1  . Després creix, però no passa del valor
n3 3
2. N’hi ha prou de calcular algun dels seus termes quan n pren valors grans:
20 200 2000 20000
a10   1,53 ; a100   1,94 ; a1000   1,994... ; a10000   1,999...
13 103 1003 10003
2n
Així, doncs, lim 2.
n  n3
5n  1 5n  1
6. La successió an  és decreixent i fitada inferiorment. Troba lim .
n n  n
5n  1
La successió an  té el primer terme com a fita superior: M = a1  6 . Després decreix i s’acosta a 5. N’hi ha
n
prou de calcular algun dels seus termes quan n pren valors grans:
51 501 5001 50001

a10   5,1 ; a100   5,01; a1000   5,001 ; a10000   5,0001
10 100 1000 10000
5n  1
Així, doncs, lim 5.
n  n
231 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

4n
7. La successió an  té límit L = 4. A partir de quin valor de n els termes de la successió estan a una
n3
distància inferior a 0,001 del seu límit?
Calculem la diferència entre el terme general i el límit:
4n 4n  4n  12 12 12
4   
n3 n3 n3 n3
Si la diferència ha de ser inferior a 0,001, vol dir que:
12
 0,001  12  0,001n  0,003  11,997  0,001n  n  11997
n3
47992
Així, doncs, n0 = 11 998. El terme a11998   3,9990... i tots els següents estan a una distància del límit
12001
inferior a 0,001.
8. La successió an  3n2  4n  560 no està fitada. A partir de quin valor de n els termes són més grans que
10 000.
Busquem un lloc n tal que an  10 000 .
3n2  4n  560  10000  3n2  4n  10560  0
 176 
Les solucions són  ,  i  60,   . Només val la solució positiva. A partir del terme 60 la distància és
 3 
superior a 10 000. Per exemple, podem comprovar que a60  10 000 mentre que a61  10 359 . Així, doncs, tots
els termes següents són superiors a 10 000.
9 i 10. Exercicis resolts.
11. Calcula aquests límits:
2n3  1 n3  6n 2  8n  1
a) lim d) lim
n  3n 3  3n n  n4  1
5n3  2n 2  1 6n 2  n  1
b) lim e) lim
n  n 2  3n n  n 1
n 2  n3  4n  5
c)
n 

lim 3n5  2n 4  7n  12  f) lim
n  4n 3  2n 2  5n  1
Límit d’un quocient. Si els polinomis del numerador i del denominador tenen el mateix grau, el límit és el quocient
dels coeficients de n amb l’exponent més alt. Si el grau del numerador és inferior, el límit és 0, i si és superior, el
límit és infinit. Per tant, el signe depèn dels signes dels coeficients de n amb l’exponent més alt.
Límit d’un polinomi. Sempre és infinit. El signe depèn del coeficient de n amb l’exponent més alt.
2n3  1 2 n3  6n 2  8n  1
a) lim  d) lim 0
n  3n 3  3n 3 n  n4  1
5n3  2n 2  1 6n 2  n  1
b) lim   e) lim  
n  n 2  3n n  n 1
n 2  n3  4n  5

c) lim 3n5  2n 4  7n  12  
n 
 f) lim
n  4n3  2n 2  5n  1

1
4

1
4

12. Les successions an i bn tenen el mateix límit:
10n3  2n2  8n 10n3

an  i bn 
5n  4n  2
3
5n 3  1
Raona per què.
Tenen el mateix límit perquè a efectes del càlcul del límit només importa el comportament dels termes amb
l’exponent més alt.
10n 3 2n 2 8n 2 8
 3  3 10   2
10n3  2n 2  8n n 3
n n n n  10  0  0  2
lim  lim  lim
n  5n  4n  2
3 n  5n 3
4n 2 n  4 2
5 2  3 500
3
 3  3
n n n n n
10n3 10
lim  lim 2
n  5n 3  1 n  5
13. Activitat interactiva.
14. Exercici resolt
15. Calcula els límits següents.

n4
a) lim 5n d) lim  n2  3n  2
n n 
n
 2n 2  n  6 
b) lim 12n 1 e) lim  
n  n   n2 
3n
 4n  1  n
c) lim  n  5 
n
f) lim  
n  n   2n 
 
n4 
a) lim 5n  5   d) lim n2  3n  2      
n  n 
n
 2n 2  n  6 
b) lim 12n 1  12   e) lim  
  2  
n  n 
 n2 
3n
3
  4n  1  n  4 
c) lim  n  5     
n
  f) lim     2 8
3
n  n   2n  2

n n 2
n5 n4
a) lim   d) lim  
n   n  1  n   n  3 
n 1 n 3
n2  5n  2 
b) lim   e) lim  
n   n  n   5n  1 
n 3 n 1
 3n  5   2n  8 
c) lim   f) lim  
n   3n  n   2n  4 

n
n5 
a) lim   1
n   n  1 
4n
n 1 4 n 1 n 1
n   
  4 n 1   4 
n5
n
 4 
n
 1    1  
   1   1 n  1    1

 
 n 1   n  1   
n 1  
 4   4  
 
4n
lim
4n n  n 1
n 1 n 1 n 1
   
   4     4 
n5  
n
1     1   lim
4n
Llavors lim     nlim
n   n  1  
1 
n

1     lim 1 
n  n

1    e n  n 1  e 4
     
  4     4  
   
n 1
n2
b) lim    1
n   n 
2( n 1)
n 1
n 2
( n 1)   n
 n
n 1
    2 n  2 
n2  1  1  1 
   1   1    1   
 n   n  n  
n  
 2  2  2 
 
2n  2
lim
2( n 1) n  n
 n
 n   n
n 1    2    2 2n  2
n2   1    
1  lim
 lim     lim  1      lim  1     e n  n  e2
n   n  n  n n  n
     
  2    2 
   
n
 3n  5  
c) lim 
n   3n 
 1
5n
n n
3n 5
  
3n 3n
    5 3n  5 
 3n  5 
n
 1   1    1  
    1  3n    1  3n    1   
 3n  3 n
       
 5   5   5  
 
5n
lim
5n n  3 n
 3n
 3n  3n

  5    5 
 3n  5  
n
 1     1   lim
5n 5
 lim     nlim 1      lim  1     e n  3 n  e 3
n   3n   3 n n  3 n
       
  5     5  
   
n 2
n4
d) lim    1
n   n  3 
n 2
( n  3) n  3
n 3
  
n 2 n 2 ( n  2)   
n4  1   1  n 3 1
   1   1    1   
 n3  n  3  n  3  n 1  
 4  
 

n 2 n 2
( n  3) n  3 lim
( n  3) n  n  3
       
n 2         n2
n4
lim
1 1 n  n  3
 lim     lim  1      lim  1     e e
n   n  3   n   n 1    n   n 1  
  4     4  
   
n 3
 5n  2 
e) lim    1
n   5n  1 
5 n 1 n 3
n 3 ( n  3) 5 n 1 5 n 1 5 n 1
 5n  2   1    1  
    1      
  5n  1    5n  1 
1
 5n  1   
   
n 3 n 3
lim 5 n 1 n 3
n 3 5 n 1 5 n 1 5 n 1 n 
 5n  2    1     1   lim 5 n 1
n 
1
 lim     lim  1      lim  1    e  e5
n   5n  1   n   5n  1    n   5n  1  
   
3 n 1
 2n  8 
f) lim    1
n   2n  4 
3 n 1 6n  2
n 2 2 n 2 2 n 2 n 2
 3 n 1


2 n 2   n 2  
   2    2 
3 n 1 3 n 1   
 2n  8   n  4   1   1    1  
       1     1     1   
 2n  4  n2  n2    n  2  n  2
     
 2     2    2  
   
6n  2 6n  2
n 2 n  2 n  lim
  n 2   n 2
3 n 1    2     2  6n  2
 2n  8    1     1  
lim n  2
n 
 lim     lim  1      lim  1    e  e6
n   2n  4  n 
 n  2  n 
 n  2 
   
  2     2  
   
17 i 18. Exercicis resolts
19. Calcula, operant en les expressions originals i formant una taula de valors, els límits:
x 3  5x 2  x x 1
a) lim b) lim c) lim( x  1)x  2
x 0 x x 1
x 1 x 2
x 3  5x 2  x x  x 2  5x  1
a) lim  lim  lim  x 2  5x  1  02  5  0  1  1
x 0 x x 0 x x 0
x 3  5x 2  x
x f x 
x
0,13  5  0,12  0,1
0,1 1,5
0,1
0,013  5  0,012  0,01
0,01 1,05
0,01
0,00013  5  0,00012  0,0001
0,0001 1,0005
0,0001
0,000 0013  5  0,000 0012  0,000 001
0,000 001 1,000 005
0,000 001

 x  1  x 1   x  1  x 1   lim
b) lim
x 1
 lim  lim  
x 1  1 1 2
x 1
x 1 x 1
 x 1  x 1  x 1 x 1 x 1
x 1
x f x 
x 1
0,9  1
0,9 1,95
0,9  1
0,99  1
0,99 1,995
0,99  1
0,9999  1
0,9999 1,999 95
0,9999  1
0,999 999  1
0,999 999 1,999 999 5
0,999 999  1
c) lim(x  1)x 2  (2  1)22  30  1

x 2
x f  x   (x  1)x 2
1,9  1
1,9  2
1,9 0,9
1,99  1
1,99  2
1,99 0,99
1,9999  1
1,9999  2
1,9999 0,9999
1,999 999  1
1,999 999  2
1,999999 0,999 999
20. Calcula, per a cada una de les funcions donades, el límit demanat en cada cas, si existeix.
x  x 2  1 si x  2
a) lim f  x  si f  x   b) lim f ( x ) si f  x   
x 0 x x 2
3x  1 si x  2
x
a) lim no existeix, perquè els límits laterals existeixen, però no coincideixen:
x 0 x
x x x x
lim  lim  lim  1  1 ; lim  lim  lim 1  1
x 0 x x 0 x x 0 x 0 x x 0 x x 0
b) En aquest cas existeix lim f (x) i val 5, perquè els límits laterals coincideixen:
x 2
lim f (x)  lim  x 2  1  22  1  5 ; lim f (x)  lim  3x  1  3  2  1  5

x 2 x 2 x 2 x 2
21. Exercici resolt.
22. Sabent que lim f (x)  3 i lim g(x)  0 , calcula els límits quan xa de les funcions següents.
x a x a
f
a) 2f  3g d)  f +g  g)  f +g 
f
j)
g
g
 3f  g 
2 1 f
b) e) h)
f
c)  fg  f) fg i)  f  4g 
2f

En cada cas apliquem les propietats dels límits de funcions obtingudes mitjançant operacions:
a) lim  2f  3g  (x)  2lim f (x)  3 lim g( x)  2  3   0  6

x a x a x a
 
2
b) lim 3f   (x)  3lim f (x)  3   3   81
2 2
x a   x a
c) lim  fg  (x)  lim f (x) lim g(x)   3   0  0

x a  x a   x a 
d) lim  f  g  (x)  lim f (x)  lim g(x)   3   0  3

g lim g(x) 0

e) lim   (x)  x a  0
 
x a f lim f (x) 3
x a
lim  f g  (x)  lim f (x)xa   3  1 . Cal tenir en compte que f g no existeix en un entorn E  a,   .
lim g( x) 0
f)
x a x a
lim f ( x) 1
g) lim  f  g   (x)  lim f (x)  lim g(x)   3   0  
3
. Cas anàleg a l’anterior per a un entorn E  a,   .
f x a
x a    x a x a  27
h) lim  g 
1 f
 (x)  lim g(x)1 xlim
a
f (x)
 01 3  04  0 si g(x )  0 x  E a,   , en cas contrari no existeix.
x a   x a
2 lim f ( x) 2 3 1 1

lim  f  4g   (x)  lim f (x)  4lim g(x)   3   4  0   3  
2f 6
i)
x a
 . Cas anàleg a l’anterior.
x a    x a   3
x a 6
729
f  lim f (x) 3
j) lim   (x)  x a  . Amb les dades que tenim, no es pot calcular.
 
x a g lim g(x)
x a
0
23. Se sap que les funcions f i g tenen límit en el punt x a. A més a més, lim(f (x)g(x))  1 . Digues si les
x a
afirmacions següents són certes o falses.
f (x)
a) lim f ( x)  0 b) Si lim g(x )  2  lim(f ( x))g( x )  4 c) lim és un quadrat de x.
x a x a x a x a g( x )
a) És falsa. Si lim f (x) valgués zero, aleshores lim  f (x)g(x) també valdria zero.
x a x a
b) És certa, perquè podem calcular, prèviament, lim f (x) :

x a
2
1  1
lim  f (x)g(x)   1  2  lim f (x)  1  lim f (x)  , de manera que lim f (x)g( x)     4
x a x a x a 2 x a
2
1
c) Certa: lim  f (x)g(x)   1  lim f (x)  , de manera que:
x a x a lim g(x)
x a
 1 
  2
lim f (x)  lim g(x)  1  1 
lim
f ( x)
 x a
 x a   
1
   .
2 2
x a g( x) lim g(x) lim g(x)  lim g(x) lim g(x)  lim g(x) 

x a x a
 x a   x a  x a
24. A partir d’una taula de valors, estima el valor dels límits següents.
6x  5 4x  4 x 2  2x  1
a) lim b) lim c) lim
x  1  2x x 1 x 1 x 1 x 1

6x  5 x 2  2x  1
a) lim  3 perquè: c) lim  0 perquè:
x  1  2x x 1 x 1
6x  5
x f x  x 2  2x  1
1  2x x f x 
x 1
6  10  5
3,421 053
10  0,9   2  0,9   1  0,1
2
1  2  10 0,9
6  100  5  0,9   1
100 3,040 201
1  2  100  0,99   2  0,99   1  0,01
2
6  10 000  5 0,99
10000 3,000 400  0,99   1
1  2  10 000
 0,9999   2  0,9999   1  0,0001
2
6  1 000 000  5 0,9999

1 000 000 3,000 004  0,9999   1
1  2  1 000 000
 0,999 999  2  0,999 999  1  0,000 001
2
0,999 999
b) lim
4x  4
 4 perquè:  0,999 999  1
x 1 x 1
4x  4
x f x 
x 1
4  0,9  4
0,9  4
0,9  1
4  0,99  4
0,99  4
0,99  1
4  0,9999  4
0,999  4
0,9999  1
4  0,999 999  4
0,999 999  4
0,999 999  1
25. Troba el valor dels límits següents, utilitzant una taula de valors.
x 2  4x  3 x2  x  1 3x 2  x  1
x 3 x 3 x  x 3 x  2x 2  1
x 2  4x  3
a) lim no existeix perquè els valors es fan arbitràriament grans en valor absolut, però positius o
x 3 x 3
negatius segons si ens acostem per la dreta o per l’esquerra de x 3.
x 2  4x  3
x f x 
x 3
 2,9   4  2,9   3
2
2,9  230,1
 2,9   1
 3,1  4  3,1  3
2
3,1  250,1
 3,1  1
 2,9999  4  2,9999   3
2
2,9999 239 990

 2,9999  1
 3,0001  4  3,0001  3
2
3,0001 240 010

 3,0001  1

x2  x  1
b) lim  
x  x 3
x2  x  1
x f x 
x 3
102  10  1
10 7
10  3
1002  100  1
100 96
100  3
10 0002  10 000  1
10000 9996
10 000  3
1 000 0002  1 000 000  1
1 000 000 999 996
1 000 000  3
3x 2  x  1 3
c) lim 
x  2x 2  1 2
3x 2  x  1
x f x 
2x 2  1
3  10    10   1
2
10 1, 437 811

2  10   1
2
3  100    100   1
2
100 1,494 875

2  100   1
2
3  10 000    10 000   1

2
10000 1,499 950

2  10 000   1
2
3  1 000 000    1 000 000   1

2
1 000 000 1,499 999

2  1 000 000   1
2
26. Calcula, eliminant les indeterminacions.
2x 3  3x 2 x2  x x 2  5x  6  1 4x 2  x 3  3x 
a) lim b) lim c) lim d) lim   2 
x 0 x2  x x  x 2  1 x 3 x 2  7x  12 x 1 x  1
 x  3x  2 
2x 3  3x 2 x 2(2x  3) x(2x  3)
a) lim  lim  lim 0
x 0 x x
2 x 0 x(x  1) x 0 x 1
x
x2  x x(x  1) x 1
b) lim 2  lim  lim  lim x  1
x  x  1 x  ( x  1)(x  1) x  x  1 x  x 1 1 0

x x
x 2  5x  6 (x  2)(x  3) ( x  2)
c) lim  lim  lim  1
x 3 x 2  7x  12 x 3 ( x  4)( x  3) x 3 ( x  4)
 1 4x 2  x 3  3x   1 4x 2  x 3  3x   x 2 4x 2  x 3  3x  x 3  4x 2  4x  2
d) lim   2   lim     lim     lim
x 1 x  1 x  3x  2  x 1  x  1 ( x  1)( x  2)  x 1  ( x  1)( x  2) ( x  1)( x  2)  x 1 ( x  1)( x  2)

Aquest límit no existeix, ja que els seus límits laterals no coincideixen: per l’esquerra és  i per la dreta és .
27. Troba el valor dels límits següents.
x 2  x  90 2 x x 1
x  x3  3 x 2 2x x 1 x 1

x 2 x 90 1 1 90
x 2  x  90    
a) lim  lim x 3 x 3 x 3  lim x x 2 x 3  0  0  0  0
x  x 3
3 x  x 3
3 x  3
1 3 1 0

x3 x3 x
2 x 2 2 2 2
b) lim   . Aquest límit no existeix, perquè els seus límits laterals no
x 2 2x 22 0
2 x    2 x   
coincideixen: lim      , lim     
x 2 2 x 
  x 2 2 x 
x 1 x 1 x 1 x 1 1 1
 lim   lim  lim 
 
c) lim
x 1 x  1 x 1 x  1 x  1 x 1  x  1 x  1 x 1 x  1 2
28. Exercici interactiu.
30. Identifica els punts de discontinuïtat de les funcions següents i classifica’ls.
La primera funció té una discontinuïtat de salt finit en x  2 i una discontinuïtat evitable en x  6.

La segona funció té una discontinuïtat de salt finit en x  1 i una discontinuïtat de salt infinit en x  4.
31. Dibuixa la gràfica d’una funció que compleixi alhora aquestes quatre condicions:
I. lim f (x )  2 II. lim f ( x )  5 III. lim f (x )  3 IV. f(2) 7
x 1 x 2 x 1
És contínua aquesta funció a x = 1? I a x = 2?
La funció no es contínua en cap d’aquests valors perquè té una

discontinuïtat de salt finit en x  1 i una discontinuïtat evitable en x  2.

1
32. a) Hi ha algun valor de x per al qual no estigui definida la funció f  x   ?
x 4  5x 2  6
b) On és contínua aquesta funció?
a) D  f   ja que el denominador no s’anul·la per a cap valor de x perquè x 4  5x 2  6   x 2  2 x 2  3 .
b) La funció es contínua en tot el seu domini, és a dir, en tot .
33. Escriu una funció que no sigui contínua ni a x = 1 ni a x = 7.
1
Resposta oberta, per exemple: f  x   .
 x  1 (x  7)
34. En quins punts no són contínues aquestes funcions?
3x  1 x3  1 x 2  16 x2  1
a) f  x   b) f  x   c) f  x   d) f  x  
x4  1 x 1 x  x  12
2
x  3x  2
2
a) És contínua en tot perquè el denominador no s’anul·la per a cap valor de x.

b) És discontínua en x  1, perquè la imatge f(1) no està definida (ja que x  1 anul·la el denominador).
c) Com que x 2  x  12  (x  4)(x  3) , la funció és discontínua en x  4 i en x  3.
d) Com que el denominador s’anul·la per a x  1 i per a x  2, en aquests valors la funció es discontínua.
x 1
35. És contínua f (x)  a x  1?
x 2  8x  7
No, perquè la imatge f(1) no està definida ja que s’anul·la x 2  8x  7 per a x  1.
36. Estudia la continuïtat d’aquestes funcions.
 x  1 si x  0
x 3 
a) f  x   b) f ( x )   x  1 si 0  x  3
x 2  7x  12 2x  4 si 3  x

a) Funció racional el denominador de la qual s’anul·la per a x 3 i per a x 4; per tant, f x es contínua en
 3, 4 . La discontinuïtat en x 3 és evitable.
b) Les funcions y  x  1, y x  1, y  2x  4 són contínues perquè són polinòmiques, de manera que s’ha
d’estudiar la funció en els punts intermedis: x  0, x  3.
Si ens apropem a 0 per l’esquerra, el valor de la funció x  1 s’aproxima a 1, que és el valor de f en 0. Si ens
acostem a 0 per la dreta, els valors de la funció x 1 s’aproximen a 1; així, doncs, la funció no es contínua en
x 0.
Tant si ens hi apropem per l’esquerra, amb x 1, com per la dreta, amb 2x 4, a x 3, la funció s’aproxima a
2, que és el valor de f(3); per tant, la funció és contínua en x  3.
Així, doncs, f(x) és contínua en  0 .

37. Determina quant ha de valer a perquè la funció següent sigui contínua en tot .
x 3  a si x 1
f x   2
x  a si 1  x
Les funcions que defineixen la funció són contínues pel fet de ser polinòmiques. Només queda assegurar-nos de la
continuïtat en x  1, que exigeix que els límits laterals coincideixin tots dos amb f 1 .
lim f (x)  lim( x3  a)  1 a lim f (x)  lim( x 2  a)  1 a f (1)  1 a

x 1 
x 1 x 1 x 1
Igualant, resulta que 1 a  1 a , i d’aquí es dedueix que a ha de valer 0 perquè f x sigui contínua en tot .
x2  2 3x 2  x  1
39. Troba totes les asímptotes de f  x   i g x  i esbossa’n les gràfiques.
x 1 x 2  5x
La funció f(x) té una asímptota vertical en x  1 ja que:

x2  2 x2  2
lim   y lim  
x 1 x  1 x 1 x  1
(Les possibles asímptotes verticals en les funcions racionals cal buscar-les entre els
valors que anul·len el denominador, però això no vol dir que en tots els valors que
anul·len el denominador hi hagi asímptotes vertical.
x2  2 x2  2
No té asímptotes horitzontals perquè lim   i lim   .
x  x 1 x  x 1
x2  2 3
Com que   x  1  , la funció f(x) té una asímptota obliqua d’equació
x 1 x 1
y  x  1.
La funció g(x) té dues asímptotes verticals, una és x  0 i l’altra és x  5 (que són els valors que anul·len el
3x 2  x  1 3x 2  x  1
denominador) ja que: lim   , lim   ,
x 0 x 2  5x x 0  x 2  5x
3x 2  x  1 3x 2  x  1
lim   i lim   .
x 5 x 2  5x x 5 x 2  5x
3x 2  x  1
Quan calculem els límits a l’infinit veiem que lim 3
x  x 2  5x
3x 2  x  1
i lim  3 , de manera que es dedueix que la recta y  3 és una
x  x 2  5x
asímptota horitzontal tant a dreta com a esquerra.

Com que és una funció racional que té asímptotes horitzontals, no té
asímptotes obliqües.

x3  x2  1
40. Calcula les asímptotes de f  x   .
x2  x  1
x3  x 2  1 1 x
Com que: f (x)  x 2 , la recta y  x és asímptota obliqua de f(x).
x  x 1
2
x  x 1
La funció no té asímptotes verticals perquè el denominador no s’anul·la mai.
Com que lim f (x)   i lim f (x)   , la funció no té asímptotes horitzontals.

x  x 
x2
41. Esbossa la gràfica de f  x   .
x(x  1)2
Les possibles asímptotes verticals són x  0 i x  1 .
x2 x
Com que lim  lim  0 , aleshores x  0 no es asímptota.
x  x  1  x  1
x 0 2 x 0 2
Podem dir que en x  0 hi ha un forat. Aquest és un bon exemple de valor que

anul·la el denominador, però no indica que hi hagi una asímptota vertical.
x2
Com que lim   , x  1 és asímptota vertical.
x  x  1
x 1 2
x2 x2
Com que lim  lim  0 ; així, doncs, la funció té una asímptota horitzontal d’equació y  0 .
x  x  1 x  x  1
x  2 x  2
42. Pot tenir una funció racional asímptotes horitzontals i obliqües alhora?
No, totes dues asímptotes, en una funció racional, són incompatibles, perquè:
Tindrà asímptotes horitzontals si grau(numerador)  grau(denominador).
 Tindrà asímptotes obliqües si grau(numerador)  1 grau(denominador).
44 a 53. Exercicis resolts.

EXERCICIS
Límits de successions
54. S’han representat gràficament diverses successions. Indica en cada cas, si n’hi ha, una fita superior i una
fita inferior.
a) c) e)
b) d) f)
a) Té una fita inferior en m = 1 i cap fita superior, perquè creix.

b) Té una fita superior en M = –1 i una fita inferior en m = –4, perquè la diferència entre dos termes cada
vegada és més petita i no excedeix de –4.
c) Té una fita inferior en m = –1,5 i una fita superior en M = 2, perquè els termes cada vegada són més
propers i no passen d’aquest valor.
d) Té una fita superior en M = 4 i cap fita inferior, perquè decreix.
e) No està fitada ni superiorment ni inferiorment, perquè els valors dels termes van creixent alternant els
signes.
f) Té una fita superior en M = 4,5 i cap fita inferior.
55. De les successions següents, quines estan fitades superiorment i inferiorment?

n 1 n 1
a) an  c) an   1 1
n
1
b) an  n2  1 d) an 
n4
En cada cas, calculem uns quants termes:
1 1 2 1 1 3 1 1 100  1
a) a1   0; a2   ; a3   ; ...; a100   0,99 . Així, doncs, el primer terme és a1 = 0 i la
1 2 2 3 3 100
successió creix però mai no arriba al valor 1, perquè el numerador és inferior al denominador. Està
fitada inferiorment i superiorment. Una fita inferior és m = 0 i una fita superior és M = 1.
b) a1  12  1  2; a2  22  1  5; a3  32  1  10; ...; a100  1002  1  10001 . Així, doncs, el primer terme és a1 = 2,

que és una fita inferior, i no té fita superior perquè creix indefinidament.
c) a1  (1)2  1  0; a2  (1)3  1  2; a3  ( 1)4  1  0; ...; a100  ( 1)101  1  2 . La successió només pren dos
valors: 0 i –2. Així, doncs, una fita superior serà 0, i una fita inferior, –2.
1 1 1 1 1 1
d) a1   1; a2  4  ; a3  4  ; ...; a100   108 . És una successió decreixent i positiva. El
14 2 16 3 81 1004
primer terme a1 = 1 és una fita superior i m = 0 és una fita inferior.

n n
56. El límit de la successió an  és L  lim  0,25 . A partir de quin terme n0 es compleix que tots
4n  1 n  4n  1
els termes posteriors estan a una distància inferior a 0,001 del límit L = 0,25?
Calculem la diferència entre el terme general i el límit:
n n  n  0,25 0,25 0,25

an  L   0,25   
4n  1 4n  1 4n  1 4n  1
Si la diferència ha de ser inferior a 0,001, vol dir que:
0,25 4n 1 és positiu
 0,001   0,25  0,001 4n  0,001  0,251  0,004n  n  62,75
4n  1
63
Per tant, n0 = 63. El terme a63   0,250996... i tots els següents estan a una distància del límit inferior a
4  63  1
0,001. Efectivament, ho podem comprovar amb aquest valor:
a63  0,25  0,250996...  0,25  0,00099  0,001
57. Els límits següents són +∞ o –∞. Determina en cada cas el signe d’infinit.
a)
n 

lim 1  2n  3n 2  c) 
lim 4n 4  6n2  3
n 

 n3
b) lim 
n 
 2
1
 3n 2  n  
2 
d) lim
n 
 2n  2
 3n  5 
a)
n 
 
lim 1 2n  3n2   perquè el coeficient del terme n és negatiu.
2
 n3 1
 3n 2  n     perquè el coeficient del terme n és positiu.
3
b) lim 
n  
 2 2
c)
n 
 
lim 4n 4  6n2  3   perquè el coeficient del terme n és negatiu.
4
d)    
lim ( 2n)2  3n  5  lim 4n2  3n  5   perquè el coeficient del terme n és positiu.
n  n 
2
58. Calcula, sense fer operacions, aquests límits:
4n3  n 2  n  5 4n3  2n 2  5n
a) lim d) lim
n  2n 3  3n 2  4n  1 n  3n 2  4n  3
n 2  n  5  n2  4 
b) lim e) lim  
n  n 3  2n 2  4n  1 n  n(2  n ) 
 
n2  n4  2n 2  (n  2)2 
c) lim f) lim  
n  3n 2  n  4
 3n  n  1 
n  2
4n3  n 2  n  5 4
a) lim  2
n  2n 3  3n 2  4n  1 2
n 2  n  5
b) lim 0
n  n  2n 2  4n  1
3
n2  n 4 n 4  n2
c) lim  lim  
n  3n  n  4
2 n  3n 2  n  4
4n3  2n 2  5n
d) lim  
n  3n 2  4n  3

n2  4 n2  4
e) lim  lim  1
n  n(2  n ) n  n 2  2n
2n 2  (n  2)2 2n 2  n 2  4n  4 n 2  4n  4 1
f) lim  lim  lim 
n  3n  n  1
2 n  3n  n  1
2 n  3n 2  n  1 3

n 2
6 n 1  4n 2  3n  2n  3
a) lim  2  d) lim  2 
n  6n  3n 
3n
n 
 
2n 1 3 n 2  2
 5  n 1  10n  1  n 3
b) lim  3   e) lim  
n   2n  n   5n  2 
n 2
 1
n
 4n 2  3  n2  3
c) lim  3   f) lim  2 
n   n n  6n  3 
 
6 n 1 6 n 1 6
lim  2  lim  2 n 
lim
a) 3n 3n  ( 2) 3  4
n  n 
2n 1 2n 1
lim
 5  n 1  5 n  n 1
b) lim  3    lim  3    32  9
n   2n  n   2n 
n lim n
 1  1 n 
c) lim  3    lim  3    3  
n   n n   n
n 2 n 2 1 1
lim
 4n 2  3n  2n  3  4n 2  3n n  2n  3  4  2  2  2 2
d) lim  2   lim  2      
n  6n  3n n  6n  3n  6 3 3
   
3 n 2  2 3 n 2  2
lim 
 10n  1  n 3  10n  1 n  n 3  10  1 1
e) lim    lim      2  
 0
n   5n  2  n   5n  2   5  2 
n 2 n 2
lim
 4n 2  3  n2  3  4n 2  3 n  n2  3  4 0
f) lim  2   lim  2     1
n  6n  3 n  6n  3  6
   
60. Calcula el límit de les successions següents:

1 n
n3
n
 2n 2  5 
a) lim   c) lim  2 
n   n  2  n  2n  2 
 
n2 n 2 1
 n2  3   7n  1  3n 1
b) lim   d) lim  
n  2 n   7n  2 
 n 
n lim n
n3  n  3 n 
a) lim    nlim    1 ⇒ indeterminació
n   n  2    n  2 
n 2 n
n n 2
n3
n
 1   1 
n
n 2  1   n 2
   1   1    1
   
 n  2   n  2   n  2  n  2  
n
lim
n n  n  2
n 2 n 2 n 2
n3  n
1     1   lim
n
 lim    nlim  1      lim  1     en  n  2  e1  e
n   n  2     n  2   n   n  2 
   

n2 lim n2
 n2  3   n 2  3 n 
b) lim  2   lim  2   1 ⇒ indeterminació
n  n 
 n   n 
3n2
n2 
n2 3
  n2  n2
2   3  n2   3 
 n2  3 
n
 3 
n2  1   1  
   1 2   1    1   
2
 n   n   n 2   n 2  
     
 3   3  
 
3n2 3n2
lim
 n2  n2  n2 n   n2
  3     3 
n2
 n2  3   1     1   1
 lim    lim   1      lim  1     e 3  3
n 
 n 
2 n    n 2    n   n 2   e
  3 
   
 3 
 
   
   
1 n lim (1 n )
 2n 2  5   2n 2  5 n 
c) lim  2   lim  2   1 ⇒ indeterminació
n  2n  2  n  2n  2 
   
2n 2  2 3
1 n (1 n ) 
1 n
    3 2n 2  2
 2n 2  5   3 
1 n  1   1 
 2   1 2   1   1  
 2n  2   2n  2   2n  2   2n  2 
2 2
   
 3   3 
3 3 3n
(1 n )
 2n 2  2  2n2  2  2n2  2  2n2  2
  3    3 
 1    1  
  1     1   
 2n 2  2    2n 2  2  
  3

    3

 
   
   
3 3 n 3 3 n
lim
 2n2  2  2n2  2  2 n 2  2  n  2 n 2  2
  3     3 
1 n
 2n 2  5   1     1  
 lim  2   lim   1      lim  1     e0  1
n  2n  2  n    2n 2  2    n   2n  2 
2

 
  3

   
 3

 
   
   
n2 1 n2 1
lim
 7n  1  3n 1  7n  1 n  3n 1
d) lim    lim    1 ⇒ indeterminació
n   7n  2  n   7n  2 
n2 1 n2 1 n2 1 7 n  2

 7n  1  3n 1  1  3n 1  1  3n 1 7n  2
   1   1  
 7n  2   7n  2   (7n  2) 
n2 1 1  n2 1
(7 n  2) 3 n 1 7 n  2  (7 n  2)
 1    1   21n2  n 2
  1     1   
 (7n  2)    (7n  2)  
   
 n 2 1  n 2 1
n2 1 lim
(7 n  2) (7 n  2) n 
 7n  1  3n 1  1   21n2 n  2   1   21n2 n  2 1
 lim    lim   1      lim  1     e 21
n   7n  2  n    (7n  2)    n   (7n  2)  
   

Límits de funcions
61. Considera la funció:
 x2 si x  2

f  x    2x  1 si 2  x  4
  x  13 si 4  x

Calcula, si existeixen, els nombres següents: f 2 , lim f (x) , f 4 , lim f (x ) , f 5 , lim f (x )

x 2 x 4 x 5
f (2)  4 .
lim f (x) no existeix perquè els seus límits laterals no coincideixen: lim f (x)  22  4 , lim f (x )  2  2  1  5 .
x 2 x 2 x 2
f (4) no està definida.

lim f (x)  9 ja que els seus límits laterals valen 9: lim f (x)  2 · 4  1  9 , lim4 f (x)  4  13  9 .
x 4 x 4 x 2
f (5)  8 i lim f (x)  8 .

x 5
62. La gràfica de f x és la de la figura.
Existeixen lim f (x) , lim f (x ) i lim f (x) ?

x a1 x a2 x a3
lim f (x) sí que existeix, malgrat que no existeixi f (a1) .

x a1
lim f (x) no existeix perquè els seus límits laterals no coincideixen.

x a2
lim f (x) sí que existeix i, en aquest cas, val el mateix que f (a3 ) .
x a3
63. A partir de la gràfica de f donada en la figura, calcula, si existeixen, lim f ( x ) , lim f ( x ) , lim f ( x ) i lim f ( x ) .
x 4 x 7 x 9 x 12
lim f (x)  2
x 4
lim f (x)  3,5

x 7
Ni lim f (x) ni lim f (x) existeixen, perquè els seus límits

x 9 x 12
laterals respectius no coincideixen.
64. Calcula, si existeixen:
a) lim f ( x ) per a f ( x ) 
x 0 xx sisi xx  00 c) lim f ( x ) per a f ( x ) 
x 2  2  x2
x2
si x  2
si x  2
f ( x )  x si x  1
2
b) lim f ( x ) per a
x 1 x  2 si x  1
a) Sí que existeix: lim f (x)  0 lim f (x)  0 lim f (x)  0

x 0 x 0 x 0
b) Sí que existeix: lim f (x)  12  1 lim f (x)  1 2  1 lim f (x)  1

x 1 x 1 x 1
c) No existeix perquè els seus límits laterals no coincideixen: lim f (x)  2  22  2 lim f (x)  2  2  4
x 2 x 2

Propietats dels límits

65. Si lim f  x   b i lim g  x   c , b i c positius, calcula:
x a x a
 f x  f x
a) lim 
x a  3
 2g  x  
 x a

b) lim f  x  g  x   c) lim  f  x   g  x  
x a
2
d) lim
x a g x 1
lim f (x)
 f (x)  b
a) lim   2g(x)   x a
 2lim g(x)   2c
x a  3  3 x a 3
x a
 
b) lim f ( x) g(x)   lim f ( x) lim g( x)  b c .
 x a  x a
 
2
c) lim  f (x)  g(x)   lim f (x)  lim g(x)
2
 (b  c)2
lim f (x)
f ( x) b
d) lim  x a 
x a g( x)  1 lim g(x)  1 c  1
x a
Càlcul de límits
66. Si lim f  x   b i lim g  x   c , per a quins valors de b i c existeixen els límits següents?
x a x a
f x g x f (x)

a) lim c) lim  f  x   e) lim
x a g x 1 x a x a  g( x ) 
2
1

b) lim f  x  g  x 
x a
 d) lim  f  x   g  x  
x a
f  x 
f) lim  f  x   g  x  
x a
2
El problema ens demana els valors de b i c perquè els límits siguin finits.
a) Si c  1. Malgrat que en el cas que a  1 i b  0 també podria existir el límit.
b) Si c  0 .
c) Si b  0 , no estaria definida la funció f g en un entorn de a. Si b  0 el límit existeix sempre i és b . Si b  0 i

c
f (x)  0 x  E  a,   i c  0 el límit és 0 0, però si c 0 tindríem una indeterminació.

c
d) Si b  c  0 el límit existeix. Si bc  0 la funció no estaria definida. Si

1
b  c  0 i f (x)  g(x)  0 x  E a,   i b  0 , el límit existeix i és (b  c )b  , però si b  c  0 tindríem
(b  c )b
una indeterminació.
e) Existeix sempre, perquè el denominador no s’anul·la mai.
f) Existeix sempre.
x 3 2x  4 2x 2  3x
a) lim c) lim e) lim
x 2 x  1 x 0 x2  1 x 5 x 2  5
x 3 2
d) lim  x  3 
2x 1
b) lim f) lim
x 3 2x  1 x 1 x 2 x2  4

x 3 23 5 2 1 1 1

d) lim  x  3    1 3 
2x 1
a) lim   5  21 
x 2 x 1 2 1 1 x 1 2
x 3 33 0 2x 2  3x 2  52  3  5 50  15 35 7
b) lim   0 e) lim    
x 3 2x  1 2  3 1 5 x 5 x 2  5 52  5 25  5 20 4
2x  4 20  4 4 2 2 2 2 1
c) lim    4 2 f) lim    
x 0 x2  1 02  1 1 x 2 x 2  4  22  4 4  4 8 4
68. Troba els límits indeterminats següents:

1 1
x2  4 
x 2 x 3
a) lim c) lim e) lim
x 2 x  2 x 2 4  x 2 x 9 x 2  10x  9
x 2  7x  10 x2  x (3  h)2  9
b) lim d) lim f) lim
x 5 x 2  25 x 0 3x h 0 h
x2  4  x  2 x  2  lim x  2  2  2  4
a) lim
x 2 x  2
 lim  
x 2 x2 x 2
x 2  7x  10
 lim
 x  2 x  5  lim x  2  5  2  3
b) lim
x 5 x  25
2 x 5  x  5 x  5 x5 x  5 5  5 10
1 1  1 1
 2x   
2x
c) lim x 22  lim 
x 2 1 1 1
 lim  lim  
x 2 4  x

x  2 2x 4  x 2
 x2 2x  2  x  2  x  x2 2x  2  x  2  2  2  2  16
x2  x x  x  1 x 1 0 1 1
d) lim  lim  lim  
x 0 3x x  0 3x x 0 3 3 3
e) lim
x 3
 lim
x 3
 lim

x 3  x 3 
 lim
 x  9  lim
1

1
x 9 2

x  10x  9 x 9  x  1 x  9  x 9  x  1 x  9  x  3 x 9
 x  1 x  9  x  3 x 9
 x  1 x  3 48  
(3  h)2  9 9  6h  h2  9 6h  h2 h 6  h
f) lim  lim  lim  lim  lim  6  h    6  0   6
h 0 h h 0 h h 0 h h 0 h h 0
3x  7 si x 2
69. Calcula lim f  x  amb f  x   1 si x 2
x 2
 x 2  9 si x 2
Hem d’estudiar els límits laterals:
lim f (x)  lim(3x  7)  13 i lim f (x)  lim( x 2  9)  13 ; per tant, lim f (x)  13
x 2 
x 2 x 2 
x 2 x 2
70. Calcula els límits a l’infinit següents.
x2  1 1 1  x  3 1
a) lim c) lim x 2    e) lim
x  3x 2  1 2x  4
x 
 x x  1 x 
3x  2 3  4x  2
b) lim d) lim    f) lim
x  x2  x  1 x 
 3 x 2x  1 x 
x 5

x2 1
x 1 2 2
 2 1 0 1
a) lim  lim x x  
x  3x 2  1 x  3x 2 1 30 3

x2 x2
3 x 3 1
3x  2 
b) lim 2  lim 2 x 2
x  lim x 2
x  00  0
x  x  x  1
1  2 1 0  0
x  x x 1 x  1 1
 
x2 x2 x2 x x
x2
c) lim x 2  
1 1   x  1  lim x 2 1  lim x  lim x 2  lim 1  1  1
 x 2
  xlim x2
x 
 x x  1  x  x  1 x  x  x  1 x  x 2  x x  x 2 x x 
1
1 1 0
2
 2
x x x
 2 3 
d) lim     00  0

x  3 x 2x  1
  x  3  1  lim  x  3   1  lim  x  3  1 
2
x  3 1 x  3 1 2
e) lim  lim
x  2x  4 x 
 2x  4   x  3  1  2x  4   x  3  1
x 
 2x  4   x  3  1
x 
x 2 1
 lim  lim 0
x 
2  x  2  x  3 1  x 
2  x  3 1
4x 2 2
 4
4x  2 x x  lim x  40  2  2
f) lim  lim
x 
x 5 x 
x 5 x 
1
5 1 0 1

x x x
x3
71. Utilitza la calculadora per trobar lim .
x   2 x
x3
S’avalua la funció f  x   per a valors de x positius cada vegada més grans: 10, 100, 1000,…
2x
x3 1003
I s’obté que: lim x
 0 . Per exemple, per a x  100, f 100   100 7,9  1025 .
x  2 2
 2 2x   2 2x 
a) lim  2  2  c) lim  2  
x 1  x  1 x  1 x 1  x  1 x  1
 3 2x   x 1 
b) lim  2   d) lim  2  
 x  1 x  1
x 1 x 5  x  25 x 5
 2 2x  2  2x 2  x  1 2 2
a) lim  2  2   lim  lim  lim   1
x 1  x  1 x  1  x 1 x 2  1 x 1  x  1 x  1 x 1  x  1 2
 3 2x  3  2x  x  1 2x 2  2x  3
b) lim  2    lim   lim  
x 1  x  1 x  1  x 1 x 1 x2  1
 2 
x 1
 2 2x  2  2x  x  1 2x 2  2x  2
c) lim  2    lim  lim  
x 1  x  1 x  1  x 1 x 1 x2  1
 2 
x 1
 x 1  x   x  5 5
d) lim  2    lim  lim 2 .
x 5  x  25 x  5  x 5 x 2  25 x 5 x  25
5 5
Aquest darrer límit no existeix perquè els límits laterals no coincideixen: lim   , lim 2   .
x 5  x 2  25 x 5 x  25

Continuïtat
73. Assenyala els punts de discontinuïtat de les funcions següents i digues de quin tipus són:
a)
b)
a) En x 3 de salt finit, en x 1 evitable i en x  4 de salt infinit.

b) En x 3 de salt finit i en x  3 de salt infinit.
74. Si f i g són funcions contínues amb f 2  7 i lim  3f (x)  2g(x)   1 , calcula g 2 .

x 2
Com que f i g són contínues, aleshores lim  3f (x)  2g(x)  3f (2)  2g(2) , de manera que
x 2
3f (2)  2g(2)  1  3 · 7  2g(2)  1  g(2)  10 .
75. Calcula, si n’hi ha, els punts de discontinuïtat de les funcions següents i classifica’ls.
x 3  x2  4  x2  4
 si x  2  si x  2 x2  4
a) f  x   b) f  x    x  2 c) f  x    x  2 d) f  x  
x 1   x 2
 0 si x  2  4 si x  2
a) Discontinuïtat de salt infinit en x  1 .
b) Discontinuïtat evitable en x  2 , perquè lim f  x   4 i f(2)  0.

x 2
x2  4  x  2 x  2  lim x  2  2  2  4  f 2
c) És contínua en tot perquè lim f  x   lim  lim    .
x 2 x 2 x  2 x 2 x2 x 2
d) Discontinuïtat evitable en x  2 , perquè no existeix f(2), però sí que existeix lim f  x   4 .

x 2
 ax  2 si x  1
76. Troba el valor de a perquè la funció: f (x)   2 sigui contínua en tots els punts.
ax  2 si x  1
Només cal veure què passa en el punt de canvi, ja que les funcions que regeixen en els dos trossos són contínues.
Els límits laterals en x  1 han de coincidir:  lim f (x)  a  2   lim f (x)  a  2  a  2  a  2  a  2

 x 1   x 1 

77. Donada la funció f  x    x2  1

( x  1)2
si
si
x 0
x 0
.
a) Dibuixa’n la gràfica. b) Estudia’n la continuïtat en el punt x  0.
a) b) No és contínua en x 0. Hi ha discontinuïtat de salt

finit.
Asímptotes
x 1
78. Calcula les asímptotes verticals i horitzontals de la funció f (x)  i esbossa’n la gràfica.
x 2
lim f (x)  ; lim f (x)  

x 2 x 2
La recta x  2 és una asímptota vertical.

lim f (x)  lim f (x)  1
x  x 
La recta y  1 és una asímptota horitzontal.
3 x
79. Té asímptotes verticals la funció f  x   ?
1 x 2
No, perquè el seu denominador no s’anul·la mai.
80. D’una certa funció f sabem que lim f (x)   i lim f (x)   . Escriu una possible fórmula per a f x .
x 2 x 3
Es considera una funció racional. Com que el denominador s’ha d’anul·lar en x  2 i en x 3, la funció pot ser de la
?
forma f (x)  . El numerador es tria perquè es compleixin els requisits dels signes de lim f (x)   i
(x  2)(x  3) x 2
lim f (x)   .
x 3
2x  5
Per exemple, valdria f (x)  .
(x  2)(x  3)

81. Digues de quin tipus són les asímptotes de cada una de les funcions donades per les gràfiques següents, i
escriu-ne l’equació si aquesta resulta evident.
a) Asímptota horitzontal: y  1.
b) Asímptotes verticals: x  1, x  2. Asímptota horitzontal: y  0.
c) Asímptota horitzontal: y  0.
d) Asímptota vertical: x  2. Asímptota obliqua: y x  1.
82. Obtén les asímptotes obliqües de:
x2  1 2x 3  x  1
a) f  x   c) f  x  
x 1 x2  2
x 2  2x  1 1
b) f  x   d) f  x   x  3 
x x
x2  1 2
a) Com que f (x)   x  1 , l’asímptota obliqua és y  x  1 .
x 1 x 1
x 2  2x  1 1
b) Com que f (x)   x  2  , l’asímptota obliqua és y  x  2 .
x x
2x 3  x  1 5x  1
c) Com que f (x)   2x  2 , l’asímptota obliqua és y  2x .
x 2
2
x 2
1
d) f (x)  x  3  , l’asímptota obliqua és y  x  3 .
x
b
83. Considera la funció f  x   a  sent a, b i c nombres reals. Calcula’ls sabent que:
x c
 La gràfica de f presenta en  una asímptota horitzontal d’equació y  2.
 La gràfica de f presenta en x  1 una asímptota vertical.
 El punt (6, 3) pertany a la gràfica de f.
Com que lim f (x)  a i y  2 és una asímptota horitzontal en  , ha de ser a  2 .

x 
Com que la gràfica de f presenta en x  1 una asímptota vertical, el denominador s’ha d’anul·lar per a aquest valor;
per tant, 1 c  0 i aleshores c  1 .
b
Com que el punt (6, 3) pertany a la gràfica de f, f (6)  2   3 , de manera que b  5 .
6 1
5
Així, doncs, la funció és f (x)  2  .
x 1

(x  5)2
84. Obtén les asímptotes horitzontals i verticals de la funció f  x   i esbossa’n la gràfica.
(x  1)(x  3)
Asímptotes verticals:
x  1 , perquè lim f (x)  ; lim f (x)  
x 1 x 1
x  3 , perquè lim f (x)  ; lim f (x)  

x 3 x 3
Asímptota horitzontal:
y  1 , perquè lim f (x)  lim f (x)  1
x  x 
2x 2  x  1 9
85. Si f  x   , demostra que f x es pot escriure com a f  x   2x  5  . Té alguna asímptota
x 2 x 2
horitzontal f x ? I vertical? I obliqua?
9 (2x  5)(x  2)  9 2x 2  x  1
2x  5     f (x)
x2 x2 x2
f (x) no té asímptotes horitzontals, perquè lim f (x)  ; lim f (x)  
x  x 
Té una asímptota vertical en x  2 , perquè lim f (x)  ; lim f (x)  

x 2 x 2
La recta y  2x  5 és asímptota obliqua, perquè:
9 9
lim f (x)  (2x  5)  lim  0; lim f (x)  (2x  5)  lim 0
x  x  x2 x  x  x2
n1
86. Raona per què la successió an   1
n
no és creixent ni decreixent.
n1
Es calculen els primers termes de la successió i s’analitza el seu comportament.
1 1 2 1 1 3 1 1 4 1 3 5 1 2
a1  ( 1)1  0; a2  ( 1)2  ; a3  ( 1)3   ; a4  ( 1)4  ; a5  ( 1)5 
1 1 2 1 3 3 1 2 4 1 5 5 1 3
La successió va alternant els signes. Per tant, ni creix ni decreix.
QÜESTIONS
87. Si lim  f ( x )  g( x )   b I lim f ( x )  c , calcula lim 2g( x ) .
lim  f (x)  g(x)  lim f (x)  lim g(x)  b  c  lim g(x)  lim g(x)  b  c . Per tant, lim 2g(x)  2b  2c .
x a x a x a x a x a x a

88. Si f és una funció contínua definida en i que admet com a asímptota la recta y x 1, es pot assegurar
que lim f (x )   ?
x 
Ens diuen que lim f (x)  (x  1)  0, així que lim f (x)  lim f (x  1) , de manera que sí que podem assegurar el
x  x  x 
que ens demanen.
89. És possible que dues funcions polinòmiques diferents coincideixin per a tots els valors d’un cert interval
a, b ?
No, perquè aleshores el polinomi diferència tindria infinites arrels (tots els nombres de l’interval [a, b]), i per això les
dues funcions haurien de ser la mateixa.
90. Si la funció f g és contínua en x  2, pots concloure que tant f com g són contínues en aquest punt?
 x si x  2 1 si x  2
No, per exemple f (x)   , g (x)  
1 si x  2  x si x  2
Cap no és contínua en x  2, però (f g)(x)  x  1 , que sí que és contínua en x  2.
91. Suposa que f és contínua en l’interval 1, 4 i que f no s’anul·la mai en aquest interval. Què pots decidir
sobre els signes de f 1 i de f 4 ?
Els signes de f (1) i de f (4) han de ser iguals perquè, en cas contrari, com que f és contínua, hauria de tallar l’eix
d’abscisses en algun punt de [1, 4].
 x 2  1 si x  0

92. Hi ha algun valor de k per al qual la funció f  x   2k  1 si x  0 sigui contínua en x  0?
 3x si x  0

Perquè f sigui contínua en x  0, s’ha de complir que lim f (x)  lim f (x) , però lim f (x)  1 i lim f (x)  0.
x 0 x 0 x 0 x 0
Per tant, no hi ha cap valor de k que faci f contínua en x  0.
g( x )
93. Si f  x   , amb g x i t x polinomis i t x  0 per a qualsevol x real, quin és el màxim nombre
t (x )
d’asímptotes que pot tenir la funció y  f x ?
Si t (x)  0, f no pot tenir asímptotes verticals.

Pot tenir una asímptota horitzontal, si grau g(x)  grau t(x) o tenir una asímptota obliqua si
grau g(x)  1  grau t(x).
Així, doncs, f podrà tenir, com a màxim, una asímptota.
94. Si f és contínua en x  2, quin és el valor de lim f  x   f  2 ?

x 2
Si f es contínua en x  2, lím f ( x)  f (2) de manera que lím f ( x)  f (2)  0.

x 2 x 2

95. Si lim f  x   7  0 i f és contínua en x  3, pots assegurar que la gràfica de f talla la recta horitzontal y  7?
x 3
Si lim  f (x)  7   0 i f és contínua en x  3, resulta que f (3)  7, de manera que la gràfica de f talla la recta y  7 en
x 3
el punt A(3, 7).
96 Un cangur i una granota es troben a una distància de 20 m. El cangur avança d’un salt la meitat de la
distància que els separa i, a continuació, la granota s’allunya també d’un salt l’equivalent a la meitat de la
distància que els separa en aquell moment. Els dos animals repeteixen aquests salts indefinidament.
a) S’acabaran trobant? Raona la resposta.

b) Les longituds dels salts de cada animal constitueixen una successió numèrica. Escriu els cinc primers
termes de cada una d’aquestes successions. En sabries donar el terme general?
a) No es trobaran mai perquè la granota sempre avança la meitat de la distància anterior.
b) La distància inicial entre tots dos animals és:
d1 = 20
La distància entre tots dos animals després del primer salt de cada un és:
d1 d1
d2    10  5  15 .
2 4
La distància entre tots dos animals després del segon salt de cada un és:
d2 d2 15 15
d3      7,5  3,75  11,25
2 4 2 4
La distància entre tots dos animals després del tercer salt de cada un és:
d3 d3 11,25 11,25
d4      5,625  2,8125  8,4375
2 4 2 4
d4 d4
Per tant, la distància posterior serà d5    6,32
2 4
dn 1 dn 1  1 1  3
En general, dn       dn 1  dn 1 per a d1 = 20 i n > 1
2 4 2 4 4

97. Es té 1 kg d’un material radioactiu amb la característica següent: cada any la seva massa es redueix a la
meitat.
a) Quin és el terme general de la successió que expressa la pèrdua de material amb el temps?
b) Calcula l’any a partir del qual la quantitat de material que queda és inferior a 1 g?
1
Si la massa es redueix a la meitat, tenim una progressió geomètrica de raó r  i de terme inicial
2
a1  1000 grams.
El terme general és:

n 1
 1 1000
an  a1  r n 1  1000    (la massa en grams).
2 2n 1
Es calcula en quin any el material que queda és igual a 1:
1000 3,30
1 n 1
 2n 1  1000  log2n 1  log1000  (n  1)log2  3  (n  1)0,30  3  n   11
2 0,30
A partir de l’onzè any la massa és inferior a 1 gram.
PROBLEMES
98. En un aparcament es cobren 3 € per la primera hora o fracció i 2 € per cada hora o fracció següent, fins a
arribar a un màxim de 12 € per un dia.
a) Dibuixa una gràfica que reflecteixi el preu de deixar el cotxe en aquest aparcament, com a funció del temps que
es queda allà.
b) Estudia els punts de discontinuïtat d’aquesta funció i el seu significat per a algú que deixi allà el seu cotxe
aparcat.
a)
b) La funció és discontínua en x  1, 2, 3, 4, 5. No és aconsellable deixar-hi el cotxe aparcat un nombre no enter

d’hores, fins a x  5, perquè s’ha de pagar l’hora completa.
99. Abans de començar la producció en sèrie, una empresa aeronàutica ha fabricat 3 aparells per vendre’ls per
un total de 9 milions d’euros, després de calcular-ne les despeses de fabricació, d’elaborar-ne un estudi de
mercat, etc. Un cop feta aquest feina, començarà la producció en sèrie, sent aleshores el cost de fabricació
de cada avió de 0,3 milions d’euros.
Es representa per x el nombre d’avions fabricats en sèrie, i per f x el preu d’un avió per a x avions
construïts.
0,3x  9
a) Explica per què f  x   per a x > 0.
x 3
b) Calcula lim f  x  i explica en termes econòmics el valor obtingut.

x 

a) Els tres primers aparells han costat 9 milions d’euros i cadascun dels següents, 0,3 milions d’euros, així que els
x  3 primers avions costaran (0,3x  9) milions d’euros, de manera que el preu d’un avió per a x avions
0,3x  9
fabricats serà f (x)  si x > 0.
x 3
b) lim f ( x )  0,3, i això significa que si fabriquen moltíssims avions, poden obviar l’alt preu dels tres primers
x 
aparells.
100. Les conclusions d’un estudi demogràfic estableixen que el nombre d’individus d’una determinada població
d’una espècie protegida estarà donat, en els pròxims anys, per la funció següent:
15 000t  10 000
f t  
2t  2
sent t el nombre d’anys transcorreguts.
a) Quin és el volum actual de la població?
b) Si aquesta funció fos vàlida indefinidament, s’estabilitzaria el volum de la població?
a) El valor de f (0), és a dir, 5000 habitants.

b) Sí, s’estabilitzaria al voltant dels 7500 habitants, perquè lim f (t )  7500.
t 
101. El nombre d’individus, en milions, d’una població està donat per la funció:
18  t 2
f t   ,
(t  3)2
on t és el temps mitjà en anys des de t = 0. Calcula la població inicial i el volum de la població a llarg
termini, quan el temps tendeix a infinit.
La població inicial ens la dona el valor de f(0)  2, és a dir, dos milions.
18  t 2 t 2  18
A llarg termini, la població tendirà a lim f (t )  lím  lím  1, és a dir, un milió.
t  3  t  6t  9
t  2 t  2
t 
102. S’ha investigat el temps T, en minuts, que es triga a fer certa prova d’atletisme en funció del temps
d’entrenament x, en dies, i s’ha obtingut:
 300
 si 0  x  30
x  30
T x  
 1125
2 si x  30
 (x  15)(x  5)
a) Justifica que la funció T és contínua en tot el seu domini.

b) Es pot afirmar que com més s’entreni un esportista més baix serà el temps a fer la prova? Algun esportista
trigarà més de 10 minuts a acabar la prova?
c) Encara que un esportista s’entreni molt, serà capaç de fer la prova en menys de 3 minuts? I en menys de 2
minuts?

a) T es contínua en [0, 30) perquè el denominador no s’anul·la en aquest interval. Per la mateixa raó, ho és si x
30 (noteu que el denominador només s’anul·la si x  15 o si x  5).
Vegem si és contínua en x  30:
1125
lim T (x )  5; lim T ( x)   2  5; T (30)  5, així que T és contínua en tot el seu domini.
x 30 x 30 15  25
b) Si x 30, com més temps s’entreni, més gran serà el denominador i, per tant, menys temps tardarà.
Anàlogament, si x > 30. Finalment, com que T és contínua en x  30, podem assegurar el que ens pregunten.
300
Com que la inequació 10, és a dir, 300 300  10x no té solució en [0, 30] i la inequació
x  30
1125
 2 10, és a dir, 1125 8 (x 15) (x 5), x  20x 65,625 0 tampoc no té solució si x
2
30 (el
(x  15)(x  5)
discriminant és negatiu), resulta que cap esportista tardaria més de 10 minuts a fer la prova.
1125
c) En menys de 3 minuts, sí. Només cal que 1 i això passa, per exemple, en x  60 dies.
(x  15)(x  25)
En menys de 2 minuts no, perquè T és estrictament decreixent i lim f ( x )  2.

x 
103. La temperatura (en graus centígrads) d’un tros de metall submergit en una solució durant 9 hores està
20
donada per T t   10   5t , 0  t  9. Troba:
1 t
a) La temperatura inicial del metall.
b) A quant tendeix la temperatura del metall al final del procés?
a) T (0)  30ºC.
 20 
b) limT (t )  lim 10   5t   33 º C , que òbviament és el valor de T(9).
t 9 t 9
 1  t 
104. Les pèrdues o els guanys d’una empresa, expressats en centenars de milers d’euros quan han
2t  4
transcorregut t anys, estan reflectides per la funció f t   .
t 2
a) Guanya diners l’empresa en els dos primers anys?
b) Quant guanya el 5è any?
c) Existeix límit per als guanys? En cas afirmatiu, quin és aquest límit?
a) No, perquè si t  2, f (t)  0.

10  4 8  4 6 2 4
b) f (5) f (4)       0,19 · 100 000 , és a dir, 19000 .
7 6 7 3 21
2t  4 8
c) Sí, perquè 2 , de manera que aquesta empresa mai no guanyaria més de 200 000 .
t 2 t 2

ENTORN MATEMÀTIC
Spyrador 007
En Joan i en Xavier estan jugant a tennis, però just després de començar, en Joan s’adona que en Xavier no
està concentrat: “Ep! Què et passa, Xavi? No en toques cap ni una”. En aquell moment, en Xavier seu a terra i
amb la cara desencaixada li diu a en Joan que està molt amoïnat per la feina. En Joan l’anima i li comenta:
“Vinga, anem a canviar-nos i a fer un refresc i m’expliques el problema”. En efecte, en mitja hora, estan
asseguts en una terrassa i en Xavier li explica a en Joan els seus maldecaps:
“El futur de l’empresa depèn d’un nou producte –l’Spyrador 007–, una aspiradora robòtica potent de mida petita
i silenciosa com un espia. La meva cap m’ha demanat que avaluï quantes unitats podem fabricar-ne per
assegurar prou guanys sense assumir riscos en el cas que ens falli algun client. M’he passat un parell de
setmanes donant voltes al problema i no aconsegueixo trobar-hi la solució.”
En Joan es posa a riure i li diu: “No t’amoïnis, per a què tens un amic matemàtic com jo que es passa el temps
fent números, comptes i equacions? Dona’m totes les dades i en poc temps segur que et dono una solució”. Dit
i fet, al cap de quatre dies, en Joan li envia a en Xavier el correu següent:
“Amb les dades que em vas donar, he conclòs que els guanys totals de la teva empresa en funció del nombre
d’aspiradores venudes, x, es pot aproximar per la funció:
 10x  x  50  si 0  x  50
Gx  
50 x  36x  4300 x  50
2
si
Ajuda en Xavier a analitzar la proposta del seu amic contestant les preguntes següents:
a) Hi ha una diferència essencial entre fabricar 49 unitats i fabricar 51 unitats?

b) Justifica que la funció guany total és contínua.
c) Quantes aspiradores cal fabricar per obtenir el guany més petit?
d) Venent moltes unitats, es pot arribar a guanyar 60 € per unitat?
e) Quin és el guany màxim per unitat que pot obtenir?
a) G  49  10  49  49  50  490 ; G  51  50 512  36·51 4300 585 .
Això vol dir que si se’n venen 49 unitats, es perden diners, però si se’n venen 51 unitats, se’n guanyen.
b) G(x) és contínua en x  50, perquè lim f (x)  lim 10x  x  50   10  50 50  50   0
x 50 x 50
lim G(x)  lim 50 x 2  36x  4300  50 502  36  50  4300  0 i G(50)  10  50 50  50   0

x 50 x 50
A més, en tots els altres valors, la funció es contínua.

c) La primera funció és negativa en l’interval (0, 50) amb un mínim en x  25, G(25)  6250.
La segona funció sempre és positiva, per a valors més grans de 50.
Per tant, el guany mínim es dona quan es fabriquen 25 aspiradores.
d) En l’interval (0, 50) la funció G és negativa. A partir de x  50, la funció és positiva i creixent, però:
G(x ) 50 x 2  36x  4300 36

lim  lim  lim 50 1   4300x 2  50
x  x x  x x  x
Així, doncs, mai es poden guanyar més de 50 € per unitat.
e) El guany màxim per unitat serà de 50 € aproximadament, perquè, tal com hem comentat a l’apartat anterior, mai no
s’assoleix.

Matecologia
La Susanna té una empresa anomenada Solucions Matecològiques. La seva feina consisteix a oferir plans d’actuació a
les empreses per reduir l’impacte ambiental que produeix la seva activitat. Ara acaba de lliurar un estudi a una central
tèrmica de carbó per reduir la pol·lució que aquesta genera. Està contenta perquè pensa que ha trobat una bona
solució. La conclusió principal de l’informe és la següent:
Reduir l’abocament d’una central tèrmica que crema carbó és una tasca costosa si ens proposem reduir la pol·lució en
percentatges alts i amb preus desorbitats si ens proposem reduir-la gairebé totalment. Naturalment, reduir la pol·lució en
petits percentatges té un cost molt més baix. Per això, si volem construir una funció que lligui el percentatge de reducció
amb el cost que ens suposa, aquesta funció ha de preveure les característiques anteriors i, per tant, no serà una funció
lineal, ni tan sols polinòmica, sinó una mica més sofisticada. Analitzant les dades referides a les seves instal·lacions
hem estimat que el cost, en euros, de reduir un x % l’abocament està donat per la funció:
10 000x
Cx  , amb 0  x  100
100  x
Analitza la proposta de la Susanna contestant aquestes preguntes:

a) Calcula el cost de reducció d’un 20 % de l’abocament.
b) Calcula quin percentatge de reducció s’aconseguirà si s’inverteixen 10 000 €.
c) Calcula el cost de reduir en un 80 % l’abocament.
d) Esbossa la gràfica de la funció C(x) en tot el seu domini.
10000  20 200000
a) C  20     2500 €.
100  20 80
10 000x
b) Resolem l’equació  10 000; x  50 . És a dir, es reduiria en un 50 %.
100  x
10 000  80 800 000

c) C  80     40 000 €.
100  80 20
d)
Cost de reducció (€)
Percentatge de reducció del vessament

AUTOAVALUACIÓ
Comprova el que has après

n5 3n  1
1. Comprova que la successió an  és creixent i que la successió an  és decreixent.
n 4n  1
n 5
Una successió és creixent si an 1  an  0 . En aquest cas, si an  , tindrem:
n
n  1  5 n  5 n  4 n  5 n 2  4n  (n 2  4n  5) 5
an 1  an        0 perquè n ≥ 1.
n 1 n n 1 n (n  1)n (n  1)n
Per tant, la successió és creixent.

3n  1
Una successió és decreixent si an 1  an  0 . En aquest cas, si an  , tindrem:
4n  1
3(n  1)  1 3n  1 3n  4 3n  1 (3n  4)(4n  1)  (3n  1)(4n  3) 7

an 1  an       2  0 perquè n ≥
4(n  1)  1 4n  1 4n  3 4n  1 (4n  3)(4n  1) 6n  8n  3
1.
Per tant, la successió és decreixent.
8
2. Es té la funció f ( x )  2 x  1  definida per a tot x > 4. Indica quines d’aquestes afirmacions són
x4
certes:
2x 2  9 x  12
a) Una altra expressió per a f és f  x   .
4x
b) La recta x  4 és asímptota vertical de la gràfica de f.
c) lim f ( x )  
x 
d) La recta d’equació y = −2x + 1 és una asímptota obliqua de la gràfica de f.

a) Manipulant l’expressió donada per a f(x), s’arriba a:
8  2x  1 x  4   8 2x 2  9 x  4
f(x)  2x  1   
x4 x4 4x
que no coincideix amb l’enunciat anterior, de manera que 1 és falsa.
b) Certa, perquè, per exemple, lim f ( x )  

x  4
 8 
c) Falsa, perquè lím  2x  1   
x   x4
8
d) Certa, perquè lim f ( x )  ( 2x  1)  lim 0
x  x  x4

x3  x
3. Troba el valor del límit: lim
x 1 x 2  3x  2
x3  x x(x  1)(x  1) x(x  1)

lim  lim  lim  2
x 1 x  3x  2
2 x 1 ( x  1)( x  2) x 1 x  2
4 x  2x 3
4. Calcula: lim
x  6x  5 x 2  2x  1
3
4
2
4x  2x 3 x 2 2 1
lim  lim  
x  6x 3  5x 2  2x  1 x  5 2 1 6 3
6  2  3
x x x
5. 
Determina el límit: lim x  x 2  2x  1
x 

   
lim x  x 2  2x  1  lim x  (x  1)2  lim  x | x  1| . Per a valors grans de x,
x  x  x 
(en concret, x 1), |x 1|  x  1, així que el límit que ens demanen és lim  x  (x  1)  1.
x 
6. Troba el valor de k que fa que la funció següent sigui contínua en tot : f x  
x 2  kx , si x  2
6kx  3, si x  2
.
 x 2  kx si x  2
f (x)  
6kx  3 si x  2
f és contínua en  2 sigui quin sigui k.
Perquè sigui contínua en x  2, ha de passar que f (2)  lim  f ( x )  lim  f ( x ) , és a dir:
x  2 x  2
1 1
4  2k  12k  3, k  . Així, doncs, si k  , la funció serà contínua en tot .
2 2
f (x )
7. Si la recta y  2x 1 és una asímptota obliqua per la dreta de la funció racional y  f x , calcula lim .
x  x2  3
f ( x )  (2x  1) f (x)
Com que lim f (x)  (2x  1)  0 , aleshores lim  0, és a dir, lim  2 i com que f és un quocient
x  x x  x  x
f ( x)
de polinomis, el grau del numerador serà una unitat més gran que el del denominador. Així, doncs, 2 és un
x 3
f (x )
quocient de polinomis amb el grau del denominador més gran que el del numerador i, per tant, lim 2  0.
x  x  3
8. Escriu una funció racional definida en (, 1)  (1,  ) i tal que la seva gràfica admeti com a asímptotes les
rectes x  1 i y  2.
2x
Per exemple, f (x) 
x 1

RELACIONA I CONTESTA
Tria l’única resposta correcta en cada cas
1. Si f x x x  4, aleshores:

2
A. lim f (x)   B. lim f (x)   C. lim f ( x)  4 D. lim f ( x)  0

x  x  x  x 
lim (x 2  x  4) . La resposta correcta és la B.

x 
3
2. La corba donada per f  x    4 admet com a asímptota la recta d’equació:
x
3
A. y  B. y  4 C. y  0 D. y  3
x
3 
lim   4   4, de manera que la recta y  4 és asímptota. La resposta correcta és la B.
x
x 

3. En una d’aquestes quatre funcions, la recta x  1 no és asímptota vertical. En quina?

 1 x 2  3x  2
1  si x  1 x 2  3x  2
A. f  x   B. f  x    x  1 C. f  x   D. f  x  
( x  1) x 1  x  1
2 2

 2 si x  1
x 2  3x  2 (x  1)(x  2)
lim  lim 1.
x 1 x 1 x 1 x 1
Per tant, x  1 no és asímptota vertical. La resposta correcta és la C.
Assenyala, en cada cas, les respostes correctes

1
4. Si f  x   2x  1 , la gràfica de f compleix:
x
A. Té dues asímptotes. C. Té una asímptota obliqua.
B. Té com a asímptota vertical la recta x  0. D. Té com a asímptota horitzontal la recta y  0.
1
f (x)   2x  1 té dues asímptotes: la recta x  0, perquè, per exemple, lim f (x )   , i la recta y  2x  1,

x x 0
1
perquè lim f ( x)  (2x  1)  lim  0 . Per tant, A és certa.
x  x  x
B és certa, tal com acabem de veure, i C també.

1  2x 2  x
D és falsa, perquè f (x)  i lim f ( x)   i lim f ( x)   .
x x  x 
1
5. Si f  x   x 2  aleshores:
x
A. lim f (x)   B. lim f (x)   C. lim f (x)   D. lim f ( x)  0
x  x  0 x  x 1
1 1
lim x 2   i lim  0 ; per tant, A és certa. lim x 2   i lim  0 . C és falsa.
x  x  x x  x  x
1 1
lim x 2  0 i lim   . B és certa. lim x 2  1 i lim  1. D és certa.
x  0 x 0 x x 1 x 1 x

Tria la relació correcta entre les dues afirmacions donades

6. Sigui f  x   x  g  x  i siguin aquestes dues afirmacions:
1. La gràfica de g talla la recta y  1.

2. La gràfica de f talla la recta y x.
Aleshores:
A. 1  2 però 2 1 B. 2  1 però 1 2 C. 1  2 D. 1 i 2 s’exclouen entre si.
1  2, perquè si existeix a tal que g (a)  1, aleshores f (a)  ag (a)  a, de manera que la gràfica de f talla la recta y 
x, com a mínim en el punt d’abscissa a.
2 / 1, perquè el fet que existeixi b tal que f (b)  b, és a dir, bg (b)  b pot passar sent b  0 i g (b)  1. Per exemple, si
g (x)  x i f (x)  x(x )  x , la gràfica de f talla la recta y  x (en el punt (0, 0)), però la gràfica de g mai no talla la
2 2 3
recta y  1.
Així que la resposta correcta és la A.
Raona quina de les dades següents és innecessària

7. Per saber si l’equació f x  1 té solució o no en l’interval 2, 2 es donen les dades següents:
1. D  f   2. f és contínua en 2, 2 3. f 2 és negatiu 4. 2 f 2
Aleshores, es pot eliminar, per innecessària:

A. La dada 1
B. La dada 2
C. La dada 3
D. La dada 4
Sobra la dada 1. D  f   , perquè, n’hi ha prou amb que el domini de f contingui l’interval [2, 2] i això està
assegurat per la dada 2.

SOLUCIONARI UNITAT 9. INTRODUCCIÓ A LA DERIVADA
9. Introducció a la derivada
EXERCICIS PROPOSATS
Per a f(x) x  1 i amb ajuda de la calculadora, troba:

2
3.
a) TVM f [1, 100] c) TVM f [1, 2] e) TVM f [1; 1,01]
b) TVM f [1, 10] d) TVM f [1; 1,1] f) TVM f [1;1,001]
A quin valor s’acostarà la TVM f 1; 1,0001 ? Quin serà el valor de TVI f 1 ?
f (100)  f (1) 9999  0

a) TVM f 1,100    101
100  1 99
f (10)  f (1) 99  0
b) TVM f 1,10    11
10  1 9
f (2)  f (1) 3  0
c) TVM f 1,2   3
2 1 1
f (1,1)  f (1) 0,21  0

d) TVM f 1;1,1    2,1
1,1  1 0,1
f (1,01)  f (1) 0,0201  0

e) TVM f 1;1,01    2,01
1,01  1 0,01
f (1,001)  f (1) 0,020 001  0

f) TVM f 1;1,001    2,001
1,001  1 0,001
És clar que TVM f 1; 1,00001 s’acosta a 2:

f (1,00001)  f (1) 0,0000200001  0
TVM f 1;1,00001    2,00001  2
1,00001  1 0,00001
1 h   1 0  h2  2h  h  h  2 
2
f (1  h)  f (1)
TVI f (1)  lim  lim lim lim lim  h  2  2
h 0 h h 0 h h 0 h h 0 h h 0
4. La gràfica mostra l’evolució de dues inversions en dos fons diferents i

en diferents moments.
a) Quina és la TVM de cada un dels capitals des de l’inici? I en els últims 4
mesos? I en l’últim mes?
b) Pots dir quin fons és el més rendible?
Anomenant t els mesos transcorreguts des del començament del termini, f la

funció superior i g la funció inferior:
G F M A M J J A S O N D

a) Des del començament:

f (11)  f (0) 1080  1050 g(11)  g(4) 1050  1010
TVM f 0,11    2,73 ; TVM g  4,11    5,71
11  0 11 11  4 7
Els últims quatre mesos:
f (11)  f (7) 1080  1080 g(11)  g(7) 1050  1030
TVM f 7,11    0 ; TVM g 7,11   5
11  7 4 11  7 4
L’últim mes:
f (11)  f (10) 1080  1090 g(11)  g(10) 1050  1040
TVM f 10,11    10 ; TVM g 10,11    10
11  10 1 11  10 1
b) És més rendible el fons de la gràfica inferior.
7. Calcula les derivades de les funcions següents en els punt que s’indiquen.
a) f(x) x , a x 2 c) f(x)  x  x , a x 1
2 3 2
b) f(x) 3x 4, a x 4 d) f(x) x 5x 3, a x 1

3 2
f  2  h   f  2  2  h    2  lim 4  4h  h2  4  lim h  h  4  lim h  4  4

2 2
a) f (2)  lim
h 0
 lim
h 0 h 0 h 0 h 0
 
h h h h
f  4  h   f  4 3  4  h   4   3  43  4  3  64  48h  12h2  h3   4  196

3
b) f (4)  lim  lim  lim 

h 0 h h 0 h h 0 h
3h  48  12h  h2 
 lim  lim 3  48  12h  h2   3  48  144
h 0 h h 0
f 1  h   f 1 1 h   1 h   13  12  1 3h  3h2  h3   1 2h  h2   2 

3 2
c) f (1)  lim  lim  lim

h 0 h h 0 h h 0 h
h  5  4h  h2 
 lim  lim  5  4h  h2   5
h 0 h h 0
f  1  h   f  1  1 h   5  1 h   3   7  lim 1 2h  h2   5  5h  4 

2
d) f (1)  lim  lim

h 0 h h 0 h h 0 h
h 3  h 
 lim  lim  3  h   3
h 0 h h 0
8. Troba les equacions de les rectes tangents a les corbes següents en els punts indicats.
a) f(x)  x  x  2, a x 1 c) f(x)  x , a x 2
2 3
b) f(x) 2x  x, a x 4 d) f(x)  x 2x, a x 1

2 3
Com que l’equació de la recta tangent en el punt (a, f(a)) és y  f  a   f   a  x  a  , en cada cas s’ha de calcular
f(a) i f (a).
a) f(1)  0 i f (1)  lim

1 h 
2
 1  h   2  0
 lim
1 2h  h2   1 h   2  3
h 0 h h 0 h
L’equació de la recta tangent en x  1 és y 0  3(x  1). Simplificant: y  3x  3.

2  4  h    4  h   28 h 15  2h 
2
b) f(4)  28 i f (4)  lim  lim  15

h 0 h h 0 h
L’equació de la recta tangent en x  4 és y  28  15(x  4). Simplificant: y  15x  32.
c) f(2)  8 y f (2)  lim

2  h
3
8
 lim
8  12h  6h2  h3   8  12
h 0 h h 0 h
L’equació de la recta tangent en x  2 és y  8  12(x  2). Simplificant: y  12x  16.
 1 h   2  1  h   (3) h  5  3h  h2 
3
d) f( 1) 3 y f (1)  lim  lim 5

h 0 h h 0 h
L’equació de la recta tangent en x  1 és y 3  5(x  1). Simplificant: y  5x 2.
Copia i completa la taula següent de la funció f x x a a  1.

3
9.
h 1 0,5 0,1 0,01 0,001
f a  h   f a 
h
A partir dels resultats de la taula, quin podria ser el valor de la derivada de la funció f en el punt d’abscissa
x  1?
h 1 0,5 0,1 0,01 0,001

f 1  h   f 1
7 4,75 3,31 3,0301 3,003
h
Observant les dades de la taula es podria deduir que f   1  3 .
11. Aplicant la definició de derivada, troba la derivada de les funcions següents.
a) f ( x)  5  x  1 b) f ( x )   x  1
2
f  x  h  f  x  5  x  h  1  5  x  1 5x  5h  5  5x  5 5h
a) f (x)  lim  lim  lim  lim  lim 5  5
h 0 h h  0 h h 0 h h 0 h h 0
f  x  h  f  x   x  h  1   x  1  lim x 2  h2  1 2xh  2x  2h  x 2  2x  1 
2 2
b) f (x )  lim  lim

h 0 h h 0 h h 0 h
h2  2xh  2h h  h  2x  2
 lim  lim  lim  h  2x  2  2x  2
h 0 h h 0 h h 0

12. Troba les funcions derivades de les funcions f (x )  x 2 i g(x )  x 2  1 . Dibuixa les gràfiques de f i g i
observa com són les tangents en els punts d’igual abscissa. Confirma el teu càlcul anterior aquesta
observació?
 x  h
2
 x2 h2  2xh
f (x )  lim  lim  2x
h 0 h h 0 h
 x  h  1   x 2  1
2
x 2  2xh  h2  1  x 2  1
g (x )  lim  lim  2x
h 0 h h 0 h
Les rectes tangents en punts d’igual abscissa són paral·leles, ja que els
pendents en tots dos casos són 2x.
1
13. Sigui la funció f  x   .
x 1
a) Determina’n la derivada.
b) Hi ha algun punt a la corba y f x en el qual la tangent sigui horitzontal? I un punt en el qual la tangent tingui
pendent positiu?
1 1
f  x  h  f  x  
a) f ( x )  lim  lim x  h  1 x  1  lim x  1   x  h  1  lim 1

1
h 0 h  x  h  1 x  1 h 0  x  h  1 x  1
 x  1
h 0 h 0 2
h h
b) Com que la derivada és sempre negativa, no hi ha cap punt en què la recta tangent sigui horitzontal o de
pendent positiu.
14. Troba el punt de la gràfica de la funció f x x  5 en el qual la tangent és paral·lela a la recta y  4x 3.
2
 x  h  5   x 2  5
2
2xh  h2
f ( x )  lim  lim  2x
h 0 h h 0 h
Perquè la recta tangent sigui paral·lela a y  4x  3 ha de ser f   x   4 , és a dir, 2x  4, x  2.
El punt de la gràfica és P(2, f(2)) P(2, 1) i l’equació de la recta tangent és y  1 4(x  2).
15. Calcula les derivades successives de la funció f x x fins que obtinguis la funció idènticament nul·la.
3
f  x  h  f  x   x  h   x 3  lim  x 3  3x 2h  3xh2  h3   x 3  lim h  3x 2  3xh  h2   3x 2

3
f (x )  lim  lim

h 0 h h 0 h h 0 h h 0 h
f   x  h  f   x  3  x  h   3x 2 h  6x  3h 
2
3x 2  6xh  3h2  3x 2
f (x )  lim  lim  lim  lim  6x
h 0 h h 0 h h 0 h h 0 h
f   x  h   f   x  6  x  h   6x 6h
f (x)  lim  lim  lim 6
h 0 h h  0 h h  0 h
f ( x  h)  f ( x ) 66
Com que f   x  és constant, la quarta derivada serà nul·la: f iv )( x )  lim  lim 0
h 0 h h  0 h

16. Observa la gràfica següent. Tenint en compte que les rectes traçades són tangents a la funció f(x), troba
els valors de la derivada de f en els punts d’abscisses x = −2 i x = 4.
2,5 4
f   2    1,25 f   4   1,3
2 3
20. Calcula les derivades de les funcions següents:
1 1
a) f  x   x 3 b) f  x   c) f  x   4 x 3 d) f  x  
x2 x3
3
3 34 1 3  41 3
a) f   x   3x 2 c) f  x   x 4  f   x   x  x  4
4 4 4 x
3
2  3  3 1 3 5 3
b) f  x   x 2  f   x   2x 2 1  2x 3   d) f  x   x 2  f x   x 2   x 2  
x3 2 2 2
2x x
21. Calcula, en el punt d’abscissa 8, el pendent de la tangent a la corba f  x   3

x .
El pendent de la recta tangent en el punt d’abscissa x 8 és m  f   8  . Es calcula la derivada de la funció

1 2 3 1 1 1
f  x   3 x  x1 3 i el seu valor en x 8, f   x   x  3  f  8   és el pendent que ens
3 3 x 2 3 2
3 8 12
demanen.
22. Calcula el pendent de la tangent a f x e en el punt de tall d’aquesta amb l’eix d’ordenades.
x
El punt de tall de f  x   ex amb l’eix d’ordenades és P  0, e0   P  0, 1 . El pendent de la tangent en aquest

punt és f   0  , de manera que: f   x   ex  f   0  e0  1 .
23. Com són les tangents a f x x i g x sin x a P 0, 0 ?
Es calcula el valor de la derivada corresponent en l'abscissa x = 0:

f  x   x  f   x   1  f   0  1
g  x   sin x  g  x   cos x  g   0  cos 0  1
Les tangents tenen el mateix pendent. Atès que passen per l'origen de coordenades, estan superposades.
24. En quins punts la tangent a la gràfica de f x x , amb t un nombre positiu imparell, té pendent
t
negatiu?
La seva derivada és f   x   tx t 1 i, com que t és imparell, t  1 és parell, de manera que x t 1 és no negatiu. Per
tant, el pendent mai no serà negatiu.

26. Deriva les funcions següents.

x
a) f  x   x 4  x 2 c) f  x   e) f  x   x x
x
3
b) f  x   x d) f  x    cos x  2 f) f  x   ln  x 2  1
a) f  x   x 4  x 2  x 2  f   x   2x
1
1 41 1 1  34 1
b) f  x   x  x 4  f x  x  x 
4 4 4
4 x3
1
x 1 21 1 1  21 1
c) f  x    x 2  f x  x  x 
x 2 2 2 x
3 3
3 3
d) f  x    cos x  2  f   x   cos x  2  sin x    sin x cos x
1
2 2
3
3 32 1 3 21 3
e) f  x   x x  x 2  f   x   x  x  x
2 2 2
1 2x
f) f  x   ln  x 2  1  f   x   2x  2
x2  1 x 1
27. Troba les derivades següents.
1 x2  1 x2
a) f  x   sin x  b) f  x   c) f  x  
cos x x2  1 ex
sinx
a) f  x   sinx   cos x   f   x   cos x   cos x   cos x   cos x 
1 2
cos2 x
2x  x 2  1   x 2  1  2x 4x
b) f   x   
x  1 x  1
2 2 2 2
2xe x  x 2e x 2x  x 2
c) f   x   
e 
x 2 ex
31. Troba els intervals de creixement i decreixement de les funcions següents.
a) f  x   x 2  6x  8 b) f  x   x 3  6x 2  9x  8 c) f  x   x  x  2 d) f  x    x  1
2
a) Com que f   x   2x  6  0 si x  3, la funció és creixent en (3, ) i decreixent en (,3) .
b) Com que f   x   3x 2  12x  9 és una paràbola còncava cap amunt que talla l’eix d’abscisses en x  1 i x  3, la
funció és decreixent en (1, 3) i creixent en (,1)   3,  .
c) Com que f   x   2x  2  0 si x 1, la funció és creixent en (1, ) i decreixent en (,1) .
d) Com que f   x   2  x  1  0 si x 1, la funció és creixent en (1, ) i decreixent en (,1) .

32. La corba d’equació y  x bx c passa pel punt P(2, 1) i té un extrem relatiu en el punt d’abscissa x = −3.
2
Troba els nombres b i c.

Plantegem un sistema d’equacions:
Com que la corba passa per P(2, 1) tenim que 1  4  2bc.
I com que la derivada f   x   2x  b s’anul·la en x  3 tenim que 2(3) b  0; per tant, b  6 i c  9.
L’equació de la corba és y x 6x  9.
2
33. Calcula el valor màxim i mínim de les funcions següents en els intervals indicats.
1
a) f  x   3x 2  x en  3, 5 b) f  x    x  1 x  2 en 0, 3 c) f  x   en 1, 5 d) f  x   x en  4, 9
x
1  1 1 1
a) f   x   6x  1  0 si x  .f(3) 30, f     , f(5) 70. El valor mínim és  i el màxim és 70.
6 6 12 12
3 3 1 1
b) f   x   2x  3  0 si x  .f(0)  2, f     , f(3)  2. El valor mínim és  i el màxim és 2.
2 2 4 4
1
c) f ( x )   és sempre negativa i, per tant, la funció és decreixent. En [1, 5], el màxim l’assoleix en
x2
1
x  1 i el mínim en x  5. Així, doncs, el valor màxim és f(1)  1 i el mínim és f (5)  .
5
1
d) f ( x )  és sempre positiva i, per tant, la funció és creixent. En [4, 9] el valor mínim és f(4)  2 i el màxim f(9)
2 x
 3.
34. Troba el valor de a perquè la funció f x x  2x a prengui el valor 8 en el seu mínim.
2
f   x   2x  2  0 si x 1, de manera que el vèrtex de la paràbola està en el punt d’abscissa x 1.
Ens demanen f(1)  8; per tant, 1  2 a  8, i s’obté que a  9.
x x2
36. Un comercial cobra per una venda una comissió donada per: C( x )  100   , on x representa la
100 1000
quantitat en milers d’euros de la venda efectuada. Determina la quantitat de la venda perquè la comissió
sigui màxima.
1 x 5x
C( x )     0 si x  5. Com que la paràbola és còncava cap avall, en x  5 hi ha un màxim. Ha
100 500 500
de vendre 5000 €.
37. L’Eduard disposa de 400 m de filferro per tancar un camp rectangular. Si aprofita que un riu fa de tanca
d’un costat, com ho ha de fer per tancar la màxima superfície?
RIU
Si els costats perpendiculars al riu mesuren x metres, el costat
paral·lel al riu ha de mesurar 400  2x i l’àrea del rectangle serà
A(x) x(400  2x). La paràbola assoleix el màxim quan x  100 i,
2
per tant, abastarà una superfície de 20 000 m .
Els costats han de mesurar: 100 m els perpendiculars al riu i 200 m
l’altre.

2
38. Es vol escriure un text de 81 cm en un full. Hi ha d’haver 2 cm de marge a cada lateral i 3 cm a dalt i a baix.
Quines són les dimensions del full d’àrea més petita que pot contenir aquest text?
S’anomena x l’altura del full i y l’amplada (totes dues mesures en centímetres)

Cal minimitzar l’àrea, és a dir, xy.
La relació entre x i y ve donada per (x  6) · (y  4)  81.
81 81
De l’expressió anterior s’aïlla y: y  4  y  4.
x 6 x 6
 81  81x 4x 2  57x
La funció que cal minimitzar és: f (x )  xy  x   4   4x 
 x 6  x 6 x 6
 8x  57  x  6    4x 2  57x  4x 2  48x  342
I la seva derivada és: f ( x )   .
 x  6  x  6
2 2
9
Igualant la derivada a zero s’obté que 4x 2  48x  342  0  x  6  6.
2
Es rebutja la solució negativa i s’obté que perquè la superfície del full sigui mínima l’altura ha de mesurar x  17,02
81
4
2
cm, i l’amplada, y 11,35 cm. L’àrea del full serà de 193,18 cm .
17,02  6
39. El cost de fabricar x televisors és D(x)  200x x , amb 0  x  80, i cada televisor es ven a 300 €.
2
a) Quina funció dona els beneficis de la venda de x televisors?

b) Quan s’obté el benefici màxim i quin és?
a) Si fabriquem x televisors ingressarem 300x € i els costos seran de 200x x €; així, doncs, la funció que ens
2
dona els beneficis en funció del nombre de televisors fabricats i venuts és:
B(x)  ingressos  costos  300x   200x  x 2   100x  x 2
b) B(x)  100  2x , de manera que la derivada de la funció s’anul·la en x  50. Per tant, s’obtindran els màxims
beneficis fabricant 50 televisors, i seran de 2500 €

EXERCICIS
Taxa de variació
48. En cada cas, calcula la taxa de variació mitjana a l’interval donat.
a) f x 3x x e) f (x)  x 2  4
2
a [2, 4] a [8, 12]
x
b) f x 5 a [500, 317] f) f x  a [0, 6]
x2
c) f x 4x g) f x x 4
3 3
5 a [3, 0] a [5, 5]
3
x
d) f x 2x  6x x a [1, 5] h) f x 
4 3
a [1, 1]
x 2
2
f (4)  f (2) 52  10 42
a) TVM f  2,4    7
4   2 6 6
f (317)  f (500) 55 0

b) TVM f  500,317    0
317   500  317   500  817
f (0)  f (3)  4  0  5   4  3   5   5    113 

3  3

c) TVM f  3,0     36
0   3  3 3
f (5)  f (1)  2  5  6  5  5    2  1  6  1  1 505   3 

4 3 4 3
d) TVM f 1,5     127

5 1 4 4
f (12)  f (8) 122  4  82  1 140  60 2 35  2 15 35  15

e) TVM f 8,12      1,02
12  8 4 4 4 2
6 0 3
 0
f (6)  f (0) 6  2 0  2 1
f) TVM f 0,6    4 
60 6 6 8
f (5)  f (5) 5  4   5   4 121  129

3 3
4
g) TVM f  5,5    
5   5  10 10 5
1 3 3
1 1  1
  
f (1)  f (1) 1  2  12  2
2
3  3 1
h) TVM f  1,1    
1   1 1   1 2 3
49. S’estima que, d’aquí a t anys, la tirada d’un diari local serà C(t)  50t  100t  2000 exemplars.
2
a) Calcula la taxa de variació mitjana en els pròxims 3 anys.

b) Troba la taxa de variació instantània en el tercer any.
C(3)  C(0)  50  3  100  3  2000    50  0  100  0  2000 

2 2
a) TVM C 0,3    250 exemplars/any

30 3
50  3  h 2  100  3  h   2000   50  32  100  3  2000 

b) TVI C(3)  lim
C(3  h)  C(3)
 lim    

h 0 h h  0 h
50h2  400h
 lim  lim  50h  400   400 exemplars/any
h 0 h h 0

50. Observa la gràfica i contesta les preguntes següents.

a) Entre quines parelles de punts consecutius és negativa la TVM?
b) Entre quina parella de punts consecutius és màxima la TVM?
c) Entre quina parella de punts consecutius és més pròxima a zero la TVM?
a) La TVM és negativa entre a i b i entre b i c, ja que f(a) f(b) i f(b) f(c).

b) La TVM és màxima entre c i d, ja que f(c) f(d) de manera que la TVM és positiva.
c) La TVM és més pròxima a zero entre a i b, ja que el seu valor està entre 1 i 0.
Derivada d’una funció en un punt

51. Aplicant la definició de derivada, troba la derivada de les funcions següents en els punts indicats.
a) f x x 1 en x 1 c) f x 2x 1 en x  3
2
1
b) f ( x )  en x  0 d) f (x )  x en x  1
x 1
f 1  h   f 1 1 h   1 0  lim h  h  2  lim h  2  2

2
a) f (1)  lim
h 0
 lim
h 0 h 0 h 0
 
h h h
1
f  h   f 0 1 1   h  1 1
b) f (0)  lim  lim h  1  lim  lim  1
h 0 h h 0 h h 0 h  h  1 h 0  h  1
f 3  h   f 3 2(3  h)  1  7 2h
c) f (3)  lim  lim  lim  lim 2  2
h 0 h h 0 h h 0 h h 0
d) f (1)  lim
f 1  h   f 1
 lim
1 h  1
 lim
 1 h  1    lim
1 h  1 1 h  1
 lim
1

1
h 0 h h 0 h h 0
h  1 h  1  h 0
h  1 h  1  h 0
 
1 h  1 2
52. La tangent a la corba y f x en el punt P(2, 3) passa també pel punt Q(1, 0). Quant val f  2 ?
f (2) és el pendent de la recta tangent per P(2,3). Calculem l’equació de la recta, y mx n, que passa per
3  2m  n
aquests dos punts:   m  1; n  1 . Així, doncs, f (2) m  1.
0  m  n
Funció derivada
53. Observa les dues gràfiques següents i contesta
raonadament si pot ser la funció g(x) la derivada de
la funció f x
La funció f x és decreixent en (, 0) i, per tant, la

seva derivada ha de ser negativa en aquest mateix
interval, però g x és positiva en (, 0). Així, doncs,
g(x) f’(x).

54. En cada cas, utilitza la gràfica f per estimar el valor de la derivada en els punts indicats i, a continuació,
esbossa la gràfica de la funció y f  x .
a) f  2 , f  3 b) f  2 , f  0 , f  2 c) f  0 , f  1 , f  4
2
a) f  2 f  3 0 b) f (x)  1 en tots els punts c) f (x)   en tots els punts
3
Interpretació geomètrica
55. Dibuixa una possible gràfica per a y f x si es coneixen aquestes dades de la seva derivada.
f (x) 0 a (1, 3) f (x) 0 per a x 1 i per a x 3 f (x) 0 per a x 1 i per a x 3
La funció f(x) ha de ser decreixent en (,1)  (3,) i creixent en (1, 3);

A més, en x  1 i en x 3 ha de tenir tangent horitzontal.
Amb aquests requisits, una possible gràfica per a f(x) és la que es mostra a la dreta:
56. Donada la corba d’equació y x 26x, calcula les equacions de les rectes tangents a aquesta que siguin
3
paral·leles a la recta y x.

El pendent d’una recta tangent en el punt d’abscissa x a és m f (a). Ha de ser igual al pendent de la recta y
x, és a dir, igual a 1. Així, doncs, m f (a) 1.
f (x) 3x  26 1x 3 i x  3. Per tant, a1 3 i a2  3.
2
Una de les rectes tangents passa pel punt de tangència P(3, f(3)) P(3, 51). La seva equació és y x 54.
L’altra recta tangent passa pel punt de tangència P(3, f(3)) P(3, 51). La seva equació és y x 54.
57. A quins punts són horitzontals les rectes tangents a la corba f x x 2x x  2?
3 2
1
Es calculen els valors de x per als quals s’anul·la la derivada: f (x)  3x  4x  1  0 si x  1 o x 
2
.
3
Els punts en què la recta tangent a la corba és horitzontal són P(1, f(1)) P(1,  2) i
 1  1  1 50 
Q  ,f     Q  ,  .
 3  3  3 27 

58. Donada la corba d’equació y x x, calcula les equacions de les rectes
2
tangents a aquesta que siguin paral·leles a la recta de la figura.
2
La recta de la figura té per pendent m  . Per calcular els punts en què es
5
tracen les tangents paral·leles a la recta del dibuix, s’ha de resoldre l’equació
2 3
2x  1  , que té per solució x  . Per tant, la tangent que es demana
5 10
21 2  3 
serà y   x  .
100 5  10 
59. Troba el pendent de la tangent a la corba f x  3 x 2 en el punt d’abscissa 8.
2
El pendent m buscat és f   8  . Es calcula, doncs, la funció derivada de f  x   3 x 2  x 3 .
2  31 2 2 1
f x  x  3 i el pendent que es demana és m  f   8   3  .
3 3 x 3 8 3
60. Troba els punts de la corba y x en els quals la seva tangent és paral·lela a la recta y 12x  1.
3
El pendent de la recta tangent en el punt d’abscissa x  a és m  f (a) , que a la vegada ha de ser igual al pendent
de la recta y  12x  1. Així, doncs, m  f (a)  12 . Les abscisses dels possibles punts de tangència es troben
derivant la funció i igualant la derivada a 12: f   x   3x 2  12  x  2 i x  2. Per tant, els punts són P(2, f(2))
P(2, 8) i Q(2, f(2)) Q(2, 8).
x2
61. Troba l’equació de la recta tangent a la paràbola y   1 que sigui paral·lela a la recta y x  3.
2
El pendent de la recta tangent en el punt d’abscissa x  a és m  f (a) , que a la vegada ha de ser igual al pendent
de la recta y  x  3 . Així, doncs, m  f (a)  1. L’abscissa del punt de tangència es calcula derivant la funció i
igualant la derivada a 1: f   x   x  1  x  1 . Per tant, a  1 , i la recta tangent y f(a) m(x a), és
3
y  1  x  1 .
2
Derivades de funcions elementals i operacions

x 1
62. Troba la derivada de f  x   de dues maneres: aplicant la derivada del quocient i escrivint f com a
x
suma de potències de x. Observa que els resultats han de coincidir.
1
1 x   x  1 
Es deriva f  x  
x 1
aplicant la derivada del quocient: f   x   2 x  x 1 .
 x
2
x 2x x
x 1 x 1 1

1
Ara s’escriu f com a suma de potències: f  x      x2  x 2 .
x x x
1 1 2  1   3 2 1 1 x 1 x 1
Es deriva l’expressió anterior: f   x   x    x     .
2  2 2 x 2 x 3
2 x 3
2x x

63. Calcula la derivada de les funcions següents.
a) f  x   x 3  2x 2  4x  1 f) f  x   3 x  x  2x
b) f  x   4x 5  3x 3  2x 2  x g) f  x   3 x 4  2 x 3  x 2
2 3 1
c) f  x   x 7  2x 5  5x 3  7 h) f  x   3
 2  3
x x x
5 2
d) f  x   6x 6  5x 5  4x  8 i) f  x   3x 2  x  4  
x x2
x5 x 4 2 1
e) f  x     x 1 j) f x    3x  6x 2
5 2 x2 x
1 1
a) f   x   3x 2  4x  4 f) f x  3
 2
2
3 x 2 x
4
b) f   x   20x 4  9x 2  4x  1 g) f   x   3
x  3 x  2x
3
6 6 1
c) f   x   7x 6  10x 4  15x 2 h) f   x    4
 3 2
x x x
5 4
d) f   x   36x 5  24x 4  4 i) f   x   6x  1  
x2 x3
4 1
e) f   x   x 4  2x 3  1 j) f x    2  3  12x
x3 x
64. Deriva els productes i quocients següents.
a) f  x    x 2  x  5x 3  1
x
g) f  x   3x x  2x 2 cos x m) f  x  
ex
b) f  x    2x 4  x 2  x 3  5x 
cos x
h) f  x   3x sinx  x 4 x n) f  x  
sinx
log2 x
c) f  x   e x ln x i) f  x   log2 x  sinx  x o) f  x  
1+x
3x 2  3 x2  1
d) f  x   x ln x  1  2 j) f x  p) f  x  
x3  1 ln x
x2  2 x 3  10
e) f  x   2x sin x k) f  x   2 q) f  x  
x  x 1 ex
x2  x  1 e x
f) f  x   sin x tgx l) f  x   2 r) f x 
x  x 1 lnx
a) f   x    2x  1  5x 3  1  15x 2  x 2  x   25x 4  20x 3  2x  1
b) f   x    8x 3  2x  x 3  5x    2x 4  x 2  3x 2  5  14x 6  55x 4  15x 2

1  1
c) f   x   e x ln x  e x  e x  ln x  
x  x
1
d) f   x   1ln x  1  x  ln x  1  1  ln x
x
e) f   x   2x ln2  sinx  2x cos x  2x ln2  sinx  cos x 
sinx
f) f   x   cos x tg x  sinx  tg2 x  1  sinx 
cos2 x

3x
g) f   x   3 x   4x cos x  2x 2sinx
2 x
x
h) f   x   3x ln3  sinx  3x cos x  4 x 
4
4 x3
1
i) f x   cos x  1
x ln 2
6x  x 3  1  3x 2  3x 2  3  3x 4  9x 2  6x
j) f x  
 x 3  1  x 3  1
2 2
2x  x 2  x  1   x 2  2  2x  1 x 2  2x  2
k) f x  
 x  x  1  x 2  x  1
2 2 2
 2x  1  x 2  x  1   x 2  x  1  2x  1 2x 2  4x
l) f x  
 x 2  x  1  x 2  x  1
2 2
m) f  x   xe x i f   x   e x  xe x  e x (1 x)
sin2 x  cos2 x 1
n) f   x   
sin2 x sin2 x
1
1  x   log2 x 1  x  x  ln 2  log x
o) f   x   x ln 2  2
1  x  x ln 2 1  x 
2 2
2x ln x   x 2  1
1
x  2x ln x  x  1
2 2
p) f   x  
ln x  x ln x 
2 2
3x 2 e x   x 3  10  e x x 3  3x 2  10
q) f   x   
e  x 2 ex
1
e x ln x  e x
x  e  x ln x  1
x
r) f x 
ln x  x ln x 
2 2
65. Aplica la regla de la cadena per derivar aquestes funcions.
a) f  x   sin  2x  f) f  x   cos2  5x  3  k) f  x   sinx  x p) f  x   sin2 x cos2 x
b) f  x    x 2  1 g) f  x   sin  sin x  f  x   5x q) f  x   4 x 2  ex

15 2
x
l)
c) f  x   e x  x 1
h) f  x   ln2  2x  1 m) f  x   e3  x 2  1 f x  e
3
x
r)
ln  x 3  4x  tg  2x  1
d) f  x   tg  x 3  4x  1 i) f x 
x
n) f  x   sin2  x s) f  x  
cos  x 2  1
e) f  x   log3 x 2  x   j) f x 
1  ln x 2
x3
o) f  x   log3 3 4x 2  x  4 t)
 x  1
f  x   ln 
 x 

a) f   x   cos(2x)  2  2cos(2x)
b) f   x   15  x 2  1  2x  30x  x 2  1
14 14
c) f   x   e x  x 1
  3x 2  1
3
d) f   x    tg2  x 3  4x  1  1   3x 2  4 
1  1 
e) f   x     2x  
ln3  x 2  x    2 x
f) f   x   2cos(5x  3)(sin(5x  3))  5  10cos(5x  3)sin(5x  3)

g) f   x   cos(sinx) cos x
1 4ln(2x  1)
h) f   x   2ln(2x  1)  2  
2x  1 2x  1
3x 2  4
 x  ln  x 3  4x  3x 2  4  ln  x 3  4x  x 2  4 
i) f x  x 3
 4 x 
x2 x 2  x 2  4
 x  3x 2 1  ln x 2 
2x 3
x 2  ln x 2
j) f   x   x
2
6

x x6
1 cos x  1
k) f   x     cos x  1 
2 sinx  x 2 sinx  x
f   x   ln5  5x x
 2x  1
2
l)
m) f '  x   2e3 x
sin  x  cos  x 
n) f   x   2sin  x  cos  x   2 1x  x
o) f   x   1 1 8x  1
   8x  1 
ln 3 3
4 x 2  x  4 3 3  4x 2  x  4  2 3ln 3  4x 2  x  4 
p) f   x   2sinx cosx  cos2 x  sin2 x  2cos x  (sinx)  2sinx cos x(cos2 x  sin2 x )
1 2x  e x
q) f   x     2x  e x  
44  x 2  e x 3
 44  x 2  e x 
3
x
1 e
r) f x  e x
 
2 x 2 x
s) f   x  
 tg2(2x  1)  1  2  cos(x 2  1)  tg(2x  1)  sin(x 2  1)  2x
cos2( x 2  1)
x x   x  1 1
t) f x    2
x 1 x 2
x x
66. A la figura hi ha les gràfiques de les funcions f i g,

compostes per arcs de circumferència i segments.
Calcula:
 f 
a) (fg) (5) c)    5  e)  f  (5)
2
g
b) (fg) (5) d) (f g )(5) f) (g f )(5)
Traçant la recta tangent a les funcions f i g en x  5 i comptant els quadrets es pot trobar el seu pendent, és a dir,
1
la seva derivada: f (5)  1 i g (5) 2. Anàlogament, g (2)  . A més, f (5) 2 i g (5) 6.
2
a)  f  g  5  f (5)  g(5)  1 2  1 d) f g   5  f (g(5)) g (5)  f (6) (2)  1(2)  2
b) f g  5  f (5) g(5)  g(5) f 5  1  6  2  2  2 e) f  5  2 f (5) f (5)  2  2  1  4

2
 f  f (5) g(5)  g (5) f  5  1 6  2  2  1 1

 g f   5  g  f  5  f (5)  g   2 f  5  
5
c)    5     f) 1 
g(5)
2
g
2
6 18 2 2

 
67. A partir de la relació cos x  sin   x  i aplicant la regla de la cadena, dedueix la derivada de la funció
 2 
y cos x i, a continuació, la derivada de y tg x.
       
 cos x    sin   x    cos   x    x   sin x  (1)  sin x
 2  2  2 
sin x cos x cos x  sin x  sin x  cos2 x  sin2 x 1

Si f  x   tg x   f (x )   
cos x cos2 x cos2 x cos2 x
Creixement i decreixement. Extrems relatius

68. La gràfica de la funció f (x) ax  bx  c satisfà les condicions següents.
3
a) Passa pel punt (0, 0).

b) Té un mínim relatiu en el punt (1, 1).
Calcula els coeficients a, b i c.
Com que f passa pel punt (0, 0), f(0)  0, de manera que a·0 b·0 c  0; c  0.
3 2
Com que f passa pel punt (1, 1), f(1) 1, de manera que a·1 b·1 c 1; a b 1.
3 2
Té un mínim d’abscissa x  1, de manera que f (1)  0; 3ª b 0.
a  b  1 1 3
Resolem el sistema:  a ib
3a  b  0 2 2
69. Dedueix la fórmula que dona el valor de l’abscissa del vèrtex de la paràbola y  ax  bx  c. Recorda que el
2
vèrtex d’una paràbola és sempre un màxim o un mínim relatiu.

b
El vèrtex d’una paràbola és el seu màxim o el seu mínim; aleshores: f   x   2ax  b  0  x   .
2a
3x 2  ax
70. Per a cada valor de a es considera la funció f  x   . Calcula el valor de a perquè f tingui un mínim
x 2
relatiu en el punt d’abscissa x 2.
 6x  a  x  2   3x 2  ax  12  a  · 4  12  2a   0  a  18
f x   f   2 
 
2
x  2 16
Per verificar que aquest extrem és un mínim, s’estudia el signe de la derivada a prop de x  2.
3x 2  18x 3  x  6  x  2
f x   f x 
x2  x  2
2
6  x  2  f   x   0  f és decreixent a l’esquerra de x  2.
x  2  f   x   0  f és creixent a la dreta de x  2.
Aleshores, per a a 18, la funció donada té un mínim relatiu en x  2.

71. Raona quina de les gràfiques següents correspon a la derivada d’una funció que té un màxim en el punt x
a.
Si té un màxim en a, a
més d’anul·lar-se en a,
ha de passar de ser
positiva a negativa,
perquè f passi de
creixent a decreixent. Per
tant, la solució és la
gràfica b.
72. Raona quina de les gràfiques següents es correspon amb la derivada d’una funció creixent a l’interval [a,
b].
Si f és creixent a l’interval
[a, b], la derivada ha de
ser positiva en aquest
interval, de manera que la
solució és la gràfica a.

73. Raona i relaciona quina de les gràfiques següents es correspon amb la derivada de la funció descrita en
cada cas.
I. Una funció lineal creixent.
II. Una funció quadràtica, això és, un polinomi de segon grau, el vèrtex del qual correspon al mínim absolut
d’aquesta.
III. Una funció quadràtica el vèrtex de la qual correspon al màxim absolut d’aquesta.
I. Si f és una funció lineal creixent, la seva

derivada és una funció constant positiva, i per
això la solució és la gràfica b.
II. Si f és una funció quadràtica amb un mínim
absolut, és decreixent fins a aquest mínim i
creixent després, de manera que la seva
derivada serà negativa abans d’aquest valor i
positiva després. La solució és la gràfica a.
III. Si f és una funció quadràtica amb un màxim
absolut, és creixent fins a aquest punt i
decreixent després, de manera que la seva
derivada serà positiva abans d’aquest valor i
negativa després. La solució és la gràfica d.
Problemes d’optimització
74. Troba dos nombres negatius que sumin 14, de manera que la suma dels seus quadrats sigui:
a) Màxima b) Mínima
Els nombres són x i 14 x. La suma dels seus quadrats és x  (14 x) .
2 2
La derivada de la funció f(x) x  (14 x)  2x 28x  196 és f (x)  4x  28, que s’anul·la per a x  7.
2 2 2
Es busquen els màxims o mínims en els valors de x que anul·len la derivada i en els extrems del domini de
definició de la funció que, en aquest cas, és [0, 14], perquè els nombres no poden ser negatius.
Com que f(0)  196, f(7)  98 i f(14)  196, el màxim s’assoleix quan un dels nombres és 0 i l’altre 14; i el mínim
quan els dos nombres són iguals a 7.
75. Un dipòsit obert de xapa i de base quadrada ha de tenir capacitat per a 13 500 litres. Quines
han de ser les seves dimensions perquè requereixi la quantitat de xapa més petita?
Si el costat de la base mesura x metres i l’altura mesura y metres, la funció que cal minimitzar és
x  4xy.
2
S’estableix la relació entre x i y utilitzant la dada del volum: x y  13,5 m .

2 3
13,5
D’aquesta expressió se n’aïlla la variable y: y  2 i la funció que cal minimitzar és:
x
4  13,5 54 x 3
 54
f (x)  x 2   x2  
x x x
3x 3   x 3  54 
2x 3  54
f (x )  2
  0 si 2x 3  54  0  x  3 27  3 que és un mínim de la funció, ja que la
x x2
derivada és negativa a l’esquerra i positiva a la dreta del 3.
Així, doncs, les dimensions que minimitzen la quantitat de xapa són 3 metres de costat de la base i
13,5
 1,5 metres d’altura. Aquesta quantitat mínima de xapa són f(3)  27 m .
2
32

76. Els beneficis que s’obtenen de la venda de x unitats d’un determinat producte venen donats per l’expressió
B x 2x  216x  256.
3
a) Quantes unitats venudes donen el benefici més gran?
b) Determina el nombre d’unitats que s’han de vendre perquè es maximitzi el benefici mitjà: B( x ) .
x
a) S’ha de trobar el màxim de la funció B  x   2x 3  216x  256 , en què x no pot ser negativa.
B  x   6x 2  216 ; B  x   0  6x 2  216  0  x  6 . La solució negativa es descarta, òbviament. Es
comprova si és, en efecte, màxim:
Si 0  x  6  f   x   0

 P  6, B(6)  P  6, 608
Si x  6  f   x   0 

El benefici màxim és de 608 i s’obté amb la venta de 6 unitats.
B  x  2x 3  216x  256 256
b) Cal trobar el màxim de la funció Bm  x     2x 2  216  , en què x no pot ser
x x x
negativa.
Bm  x   4x  2 ; Bm  x   0  4x  2  0  x  4
256 256
x x
Si 0  x  4  Bm  x   0 

Es comprova si és, en efecte, màxim:
  P  4, Bm(4)  P  4, 120 
Si x  4  Bm  x   0 

El benefici mitjà màxim és de 120 i s’obté amb la venda de 4 unitats.
QÜESTIONS
77. Les afirmacions següents són falses. Demostra amb algun dibuix que, efectivament, ho són.
a) Si f (3)  g (3), llavors f (3)  g(3) c) Si f (1)  0, llavors f (0)  f (2)
b) Si f (0)  0, llavors f (0)  f (1)
a) f (3) g (3) però f  (3)  0 i g  (3)  0. b) f  (0)  0 però f (0)  0 i f (1)  0. c) f  (1)  0 però f (0)  0 i f (2)  0.
78. És tangent la recta y x  5 a la corba y x  3x  2?

4
Si hi fos tangent, ho seria en un punt de la corba en el qual y  1. Però y  4x  3  1  x 1. El punt de la corba
3
d’abscissa x 1 té ordenada y  1  3 · 1  2  0. Però el punt (1, 0) no pertany a la recta y  x  5, de manera que
4
no és tangent.
79. Indica les abscisses dels punts en els quals f presenta un extrem
relatiu, si la gràfica de y f  x és:
Els màxims i mínims relatius estan en els punts en els quals la derivada
canvia de signe. Si passa de positiva a negativa, seran màxims. Per contra, si
passa de negativa a positiva, seran mínims.
Així, doncs, presenta un màxim en x  b i mínims en x a i en x c.
Fixeu-vos que en x  d la derivada no canvia de signe.

80. Raona quina de les gràfiques següents es correspon amb una funció i la seva derivada.
D’una funció polinòmica a la seva derivada es baixa un grau, de manera que es descarta la funció de l’apartat a. A
més, com que les paràboles creixen i decreixen, als costats del vèrtex, la derivada ha de tenir un canvi de signe, i
la funció derivada f  de l’apartat d no canvia de signe.
Com que en c la funció f és creixent, f  hauria de ser positiva, i és negativa.
En conclusió, l’únic apartat correcte és el b.
81. Si f (a) 0, llavors ha de presentar la gràfica de f un màxim o un mínim relatiu en el punt d’abscissa a?
No necessàriament, per exemple, f(x) x i a  0.

3
82. El màxim valor de f a l’interval [a, b], s’assoleix necessàriament en un punt amb tangent horitzontal?
No necessàriament, per exemple, f(x) x i [a, b]  [ 1, 4].

2
83. Si lim f (2  h)  f  2  , llavors la gràfica de f, pot tenir tangent en el punt d’abscissa 2?

h 0
No, perquè si lim f (2  h)  f (2) , aleshores f no és contínua en x  2 i per tant no té tangent en aquest punt.
h 0
84. Si f té tangent a tots els punts i és creixent, llavors ha d’ocórrer que f  x  0 per a qualsevol valor de x?
No, per exemple f(x) x és creixent en  i f (0)  0.

3
85. Si f i g són funcions amb derivades en tots el punts i f x g x x 3, pot presentar alguna de les dues
corbes, f o g, algun màxim a l’eix d’abscisses?
No, perquè  f (x) g(x)  f (x) g(x)  f (x) g(x)  1 , i si hi hagués algun màxim d’alguna de les dues en l’eix
d’abscisses, per exemple f, en aquest punt (a, f(a)) seria f(a)  0 i f (a)  0, de manera que l’expressió anterior seria
igual a 0.

86. Respon cert o fals.

a) Si f té derivada en tots els punts i f(2) f(7), hi ha d’haver un nombre c entre 2 i 7 amb f (c) 0.
b) Existeix f per a la qual f(2) 3, f(5) 6 i f (x) 1 per a tot x.
c) Si f i g són positius i creixents, llavors f g és creixent.
a) Certa, perquè si una funció pren el mateix valor als extrems d’un interval només es pot donar una d’aquestes
dues situacions:
La funció pren valors diferents dels extrems en els punts de l’interior, i per
això ha de passar per força de creixent a decreixent, o a l’inrevés, i assolirà
un extrem relatiu x c a l’interior, on la derivada s’anul·larà.
La funció a l’interior pren els mateixos valors que als extrems, de manera
que es tracta d’una funció constant. En aquest cas es verifica que en
qualsevol c de (2, 7) es compleix que f (c)  0.
b) Fals, perquè TMV f [2, 5]  1 i si per a tot x fos f (x) 1, seria TMV f [2, 5] 1.
c) Cert, perquè  f (x) g(x)  f (x)g(x)  f (x)g (x)  0, ja que tots dos sumands són positius.
PROBLEMES
15  t 2
87. El nombre d’individus, en milions, d’una població ve donat per la funció P  t   , on t es mesura en
(t  1)2
anys transcorreguts des de t = 0.
Calcula:
a) La població inicial.
b) L’any en què s’aconsegueix la mínima població i la dimensió d’aquesta en aquell moment.
c) La dimensió de la població a llarg termini.
a) P(0)  15 milions.
 t  1  2t  15  t 2   2  t  1 2 t  t  1  15  t 2  2  t  15 

2
b) P (t )     0 si t  15
 t  1  t  1  t  1
4 3 3
Si 0 t  15, P (t)  0, de manera que P és decreixent i si t  15, P (t)  0 de manera que P és creixent. Així,
doncs, al cap de 15 anys s’assoleix el mínim absolut en la dimensió de la població, que val
240
P(15)  0,94 milions.
256
15  t 2 15  t 2
c) lim  lim  1 , de manera que la població tendeix a estabilitzar-se al voltant del milió
 t  1 t  t  2t  1
t  2 2
d’individus.

88. Una empresa de venda per telèfon ha establert per als seus treballadors un incentiu mensual, f(x) (en
euros), en relació amb el valor x (també en euros) del que ven cada un segons la funció.
0,03x  30 si 0  x  10 000

f x   600x
 x  10 000 si x  10 000

a) Estudia la continuïtat de f i indica si hi ha algun valor en les vendes que l’empresa valori especialment.
b) L’incentiu és sempre creixent en relació amb les vendes realitzades?
c) Un treballador pot rebre 600 € d’incentiu? Per què? I 598 €?
a) Com que f és contínua, de manera evident, per a x  10000 , s’estudia la continuïtat només en x  10 000.
lim f ( x)  270; lim f ( x )  300, així que f no és continua en x  10000, valor en vendes que l’empresa
x 10000 x 10000
valora especialment.
b) Fins a 10000 sí, atès que l’incentiu mensual ve donat per una recta de pendent positiu.
600( x  10 000)  600x  1 600  10 000
Si x 10 000, f  (x)    0, de manera que f també és creixent si
( x  10 000)2 ( x  10 000)2
x  10000.
Finalment, com que lim f ( x)  lim f ( x ) , resulta que, efectivament, l’incentiu és sempre creixent en relació
x 10 000 x 10 000
amb les vendes realitzades.
c) Com que f (10 000)  270 i lím f ( x )  600 i f  (x)  0, cap empleat podrà arribar als 600 € d’incentiu.
x 
Sí que es pot arribar a 598 €.
89. Una companyia pot produir x cents pneumàtics de qualitat A. A més, per cada x cents pneumàtics de
40  12x
qualitat A és capaç de produir cents pneumàtics de qualitat B, que deixen la meitat de benefici
6 x
que els de qualitat A. Per problemes d’emmagatzematge, la companyia no pot produir més de 550
pneumàtics de qualitat A.
Troba el nombre de pneumàtics de cada tipus que resulti més rendible produir.
Anomenem b el benefici que produeixen cada cent pneumàtics de qualitat A. El benefici total ve donat per la funció
b 40  12x  20  6x 
f (x) bx  f ( x )  bx    b x  Ens demanen que trobem el màxim de f en [0; 5,5].
2 6x  6  x 
 (6  x )(6)  (20  6x)   16 

f  (x) b f ( x )  b 1    b 1  (6  x )2   0 si 6  x 4, x  10 o x  2.
 (6  x )2
  
Es calcula el valor de la funció per a aquests valors de x: f (0)  3,3b; f (5,5)  0 i f (2)  4b. El màxim benefici s’obté
en x  2, és a dir, produint 200 pneumàtics de qualitat A i 400 de qualitat B.

2
90. Es vol construir el marc d’una finestra rectangular de 8 m . El metre lineal de trams horitzontals costa
2,50 €, i el de trams verticals, 5 €.
a) Determina les dimensions de la finestra perquè el cost del marc sigui el mínim possible.
b) Per a les dimensions trobades a l’apartat anterior, quin serà el preu del marc de la finestra?
a) Anomenant x i y les dimensions de la finestra, tal com indica la figura, el preu del marc és:
P(x, y) 2(2,5x 5y)  5x 10y €.

8 80
Com que xy  8, aleshores y  i el preu serà P( x )  5x  . Es calcula el mínim de P, per a x  0.
x x
80
 P ( x )  5  2  0 si x  4 o x 4. Es descarta la solució negativa.
x
Si 0 x  4, P (x)  0, de manera que P és decreixent. Si x  4, P (x)  0 i P és creixent, així que el mínim
8 80
absolut es troba en x  4, y   2 , P(4)  5  4   20  20  40 .
4 4
b) Les dimensions del marc són de 4 m el tram horitzontal i 2 m el tram vertical. El cost mínim és de 40 €.
91. L’any 2000 es va fundar una associació ecologista. Sabem que el nombre dels seus membres ha variat
amb els anys segons la funció
N(t) 40(t  4,5t  6t 3)
3 2
on t mesura el nombre d’anys des de la seva fundació.

a) Quants van ser els socis fundadors?
b) En quin període de temps va augmentar el nombre de socis?
c) A quin any hi va haver el nombre mínim de socis?
a) L’any 2000 tenim que t   0, de manera que N(0)  120 socis fundadors.
b) N (t)  40(3t  9t  6)  0 si t  1 o t  2, així que fins a l’any 2001 va augmentar el nombre de socis, que va
2
tornar a augmentar a partir del final del 2002.

c) Calculem els valors de la funció N(t) al començament de cada interval de creixement, que són ( 0 , 1 ) i
( 2 ,   ) : N (0)  120, N (2)  200, és a dir, que el nombre mínim de socis es va produir en el moment de la
fundació, l’any 2000.
92. S’ha estudiat el rendiment dels treballadors d’una oficina a mesura que transcorre la jornada laboral des de
les 8 fins a les 15 hores, analitzant el nombre d’instàncies revisades en una hora. La funció que expressa
aquest rendiment és:
R(t) 30t  10,5 t  t
2 3
sent t el nombre d’hores transcorregudes des de l’inici de la jornada laboral.

a) Troba la taxa de variació mitjana del rendiment R(t) entre t 2 i t 4.
b) Determina en quin moment es produeix el màxim i el mínim rendiment entre les 9 i les 12 hores i entre les 9 i
les 14 hores.
R(4)  R(2) 16  26
a) TVM R 2, 4    5
42 2
b) R (t)  30  21t  3t  0 si t  2 o t  5.
2
Ens demanen el màxim i el mínim de R(t) en [1, 6] i en [1, 4].

En [1, 6], es calcula R(1)  20,5; R(2)  26; R(5)  12,5 i R(6)  18. El moment de màxim rendiment entre les 9 i
les 14 hores es produeix en t  2, és a dir, a les 10 del matí; i el de mínim rendiment, en t  5, és a dir, a les 13
hores.
En [1, 4], a més dels valors que acabem de calcular, R(1) i R(2), es calcula R(4)  16. El màxim rendiment
entre les 9 i les 12 s’assoleix en el mateix punt que abans, és a dir, a les 10 del matí; i el mínim, en t  4, és a
dir, a les 12 hores.

93. Els beneficis d’una fàbrica de camises depenen del nombre de camises que es fabriquen cada dia, segons
la funció f (x) 2x  15x  36x  19, on x mesura el nombre de camises fabricades en un dia, i f x , el
3 2
guany en milers d’euros al mes. Atenent el nombre de màquines i el personal necessari, la fàbrica pot
optar per fabricar un nombre diari de camises comprès entre 1000 i 4000. Quantes camises ha de fabricar
per obtenir un benefici màxim?
Es demana el màxim de f en [1, 4].
f  (x)  6x  30x  36  0 si x  2 o x  3.
2
Es calcula el valor de la funció per a aquests valors de x: f (1)  4, f (2)  9, f (3)  8 i f (4)  13.
S’observa que el benefici màxim s’obté fabricant 4000 camises diàries.
2(1  ln x )
94. Considera la funció f definida a (0, ) mitjançant la fórmula f  x   .
x
a) Resol l’equació f x  0, arrodonint el resultat fins a les mil·lèsimes.

b) Resol la inequació f x 0.
c) Troba f  x i els màxims o mínims relatius de f x

d) Aquesta funció serveix com a model per analitzar els beneficis mensuals (en milers d’euros) d’una empresa que
ven x milers d’objectes. Utilitzant les qüestions anteriors, respon aquestes preguntes.
1. Quin és el mínim nombre d’objectes que han de vendre perquè el benefici sigui positiu?
2. Quants objectes han de vendre per obtenir el màxim benefici?
1
a) f (x)  0 si ln x 1, x   0,367879441171442… 0,368.
e
1 1 1 
b) Si 0 x  , f (x)  0 i si x  , f (x)  0, de manera que f (x)  0 en  ,   .
e e e 
2
 x  2 1  ln x   1
2ln x
c) f ( x )  x   2  0 si ln x  0, que té per solució x  1.
x2 x
L’únic màxim o mínim relatiu possible es troba en x  1.
Si x  1, f  (x)  0. Si x 1, f  (x)  0. En x  1 hi ha un màxim relatiu, que a més és absolut.
1  1
d) 1. El benefici és positiu en  ,   , així que el valor de x comandes és , que correspon a 368 objectes.
e  e
2. El benefici màxim s’obté en x  1, que correspon a f (1)  2, és a dir, a la venda de 2000 objectes.

ENTORN MATEMÀTIC
“Anar-se’n per la tangent”

En Sergi és un pilot professional de proves. Acaba d’arribar a un
circuit en construcció on li han ofert provar el traçat per tal de
millorar la seguretat. Una de les proves que ha de realitzar és agafar
el revolt anomenat “plat volador” a una velocitat elevada per forçar el
vehicle a sortir per la tangent en el punt central del revolt i, així,
ajustar les indicacions i l’espai lliure perquè els possibles accidents
no tinguin conseqüències greus.
Com que en Sergi és un professional ha procurat formar-se en
matemàtiques i física i amb plànols a la mà comença a estudiar la
situació del revolt:
“El revolt té forma d’hipèrbola i considerant com a eixos de
coordenades aproximats les dues rectes que uneix, es pot descriure
400
força bé per la funció y  , on tant x com y estan donats en
x
metres.
La recta de seguretat parteix del punt A que en el plànol correspon a les coordenades (20, 20) m. La longitud
d’aquesta recta ha de ser el doble que la distància que hi ha de A al punt B situat a l’eix X”. Llegeix amb atenció
les notes d’en Sergi i ajuda’l en la seva feina contestant les preguntes següents:
a) Quines són les coordenades del punt B en el qual la recta tangent al revolt en el punt A travessa l’eix d’abscisses?
b) Si s’estableix una segona recta de seguretat que ha de tallar l’eix X en el punt C l’abscissa del és 1,5 vegades la de
B, en quin punt D del revolt ha d’iniciar-se aquesta recta?
400
a) Es calcula la funció derivada: f   x    .
x2
400 400
La recta tangent a la funció f  x   en el punt A té pendent m  f   20    2  1.
x 20
L’equació d’aquesta recta és: y 20 1 · (x 20). Simplificant: y x  40.
Aquesta recta tallarà l’eix d’abscisses, y  0, en el punt B(40, 0).
b) L’abscissa corresponent al punt C és 1,5 · 40  60, de manera que C té coordenades C(60, 0).
400
La recta tangent en el punt D(x0, y0) tindrà pendent: m f  (x0)   .
x0 2
400
A més, com que D és un punt de la corba, ha de verificar-ne l’equació: y0 f(x0)  .
x0
Se substitueix en l’equació puntpendent de la recta tangent en D, y y0 m(x x0), les dades que coneixem: y  0,
400 400 400
x  60, mf  (x0)   2 , i resulta l’equació: 0    2 (60 x0), que té per solució x0  30.
x0 x0 x0
40  40 
A més, y0 f(30)  . Per tant, la recta ha de començar en el punt D  30, .
3  3 

Contrarellotge
La Laura i en Miquel són al lloc A23 de Protecció Civil situat en una carretera. A primera hora del matí han hagut
de viatjar 40 km camp a través en direcció perpendicular a la carretera, per comprovar l’estat d’una resclosa
d’un rierol, debilitat per les intenses pluges.
“Si arribo a saber que això és tan avorrit no m’hauria apuntat de voluntari”, diu en Miquel quan baixen per
revisar la resclosa. La Laura riu i contesta: “millor estar avorrit, ja que això significa que no està passant res
greu. A més, calla que només de dir-ho encara...”. La Laura no acaba la frase perquè en aquell moment els
avisen del centre d’operacions. Hi ha hagut una crescuda 30 km carretera amunt del lloc A23 i una família ha
quedat atrapada a casa seva. Per la informació que els han pogut donar, l’aigua els atraparà d’aquí a 55 minuts.
Els companys es miren excitats i espantats. Poden anar camp a

través directes a la casa amenaçada, però llavors la seva velocitat
no seria superior a 50 km/h, mentre que a la carretera podrien
arribar als 120 km/h. En Miquel diu: “no hi ha cap problema,
calculem cap a quin punt de la carretera hem d’anar en línia recta
perquè el temps total del nostre viatge sigui mínim. Per a alguna
cosa m’han de servir les matemàtiques de l’institut”.
Realitza el càlcul amb l’ajuda de l’esquema que ràpidament ha

dibuixat en Miquel i comprova si arribaran a temps per evacuar la
família.
e
S’utilitza la fórmula del MRU (moviment en una direcció amb velocitat constant): v  ,
t
e
on v  velocitat, e  distància i t  temps. Aïllant el temps en aquesta fórmula: t  .
v
Anomenem v1, e1 i t1 les dades del primer tram, camp a través, i v2, e2 i t2 els del segon, els de la carretera.
La funció que relaciona la distància x amb el temps total és t f x t1 t2.
Aplicant el teorema de Pitàgores, la distancia recorreguda camp a través és e1 x 2  1600 .
e1 x 2  1600 e 30  x
Com que v1 50 km/h i v2 120 km/h i e230 x, tenim que t1   i t2  2  .
v1 50 v2 120
x 2  1600 30  x 12x  5 x 2  1600

f x    f x   0 . x  18,334 km.
50 120 600 x 2  1600
Com que f  (x)  0 si 0  x  18,334, i f  (x)  0 si 18,334  x  30, aleshores x  18,334 és un mínim de f(x).
El temps que es tarda és f(18,334)  0,977 hores 0,977·60 minuts  58 minuts.
Això vol dir que, fins i tot anant pel camí més ràpid, no hi arribaran a temps.
Cal adonar-se que en els casos extrems s’obtenen resultats semblants:
f(0)  1,05 hores  1 hora i 3 minuts
f(30)  1 hora
Per tant, si fan tot el trajecte camp a través, tardaran 1 hora, i si fan el trajecte més llarg que poden per carretera, 30 km,
després de 40 km camp a través, tarden pràcticament el mateix, una hora.

AUTOAVALUACIÓ
1. Determina f  i els dominis de f i de f per a cada una de les funcions següents:
x 1 1 4 5 2
a) f  x    x   b) f  x   2  3 
2 x 2 x x x 3
1 1 1 1
a) f (x )   1  2    2 , D  f   D  f    0
2 x 2 x
8 15 2
b) f ( x )   3  4  , D  f   D  f    0
x x 3 x2
2. Calcula les derivades de les funcions següents.
x2  x
a) f  x   b) f  x   cos2  3x  4
x2  x
x 1 1   x  1   x  1  1 2
a) Si x  0  f ( x )  i, per tant, f ( x )  
x 1  x  1 2
 x  12
b) f ( x )  2cos  3x  4 sin 3x  4  3  6cos 3x  4  sin 3x  4 
3. Troba les expressions de les derivades de les funcions següents.
 5x  1
2
a) f  x  
x 1
2
b) f  x   1  5 x   3
2  5x  1  5  x 2  1   5x  1  2x 2  5x  1  5x 2  5  5x 2  x  2  5x  1 x  5 
2
a) f ( x )   
x  1 x  1  x 2  1
2 2 2 2 2
 
2
15 1  5 x
  2 5
2
b) f ( x )  3 1  5 x 
x 2 x
 x  1
4. Troba la derivada segona de la funció f  x   ln  .
 x 
1 1  x   x  1  1 x x   x  1 1 2x  1
f ( x )      f ( x ) 
x 1 x2 x 1 x2 x  x  1 x 2  x  1
2
x
També es poden aplicar les propietats de logaritmes i després derivar: f (x)  ln  x  1  ln x
x 2   x  1
2
1 1 1 1 1 x 2  x 2  2x  1 2x  1
f ( x )    f ( x )      
x 1 x x  x  1  x  1
2
x 2
x  x  1
2 2
x  x  1
2 2
x  x  1
2 2
3
5. Hi ha algun punt a la gràfica de f  x   en el qual la tangent sigui horitzontal?
x 1
3
No, perquè f ( x )   mai no s’anul·la.
 x  1
2

6. En cada cas, determina els punts de la gràfica de f en els quals la tangent té pendent m.
x
a) f  x    x 2  x  2 , m 0 b) f  x  
3
 1 , m 1
2
a) f (x)  3  x 2  x  2  2x  1  0 es compleix si x 2  x  2  0 o 2x  1  0 , que tenen com a solucions:

2
1
x 1, x  2 i x  , de manera que els punts de la gràfica en els quals la tangent té pendent 0 són:
2
 1  1  1 729 
A(1, f (1))  A(1, 0) ; B(2, f (2))  B(2, 0) i C  , f     C  ,  
 2  2  2 64 
1 1 1 x x 1 17
b) f ( x )     1 que té per solució: 4 1  1 1  x .
x 2 x 2 2 16 8
2 1 4 1
2 2
 17  17    17 1 
El punt de la gràfica en el qual la tangent té pendent 1 és A  , f     A  ,  .
 8  8   8 4
Sigui f x ax bx  3x. Determina a i b sabent que en el punt A(1, 2) la tangent a la gràfica de f és una
3 2
7.
recta horitzontal.
Com que A és un punt de la corba, s’ha de verificar f 1  2, és a dir, a b  3  2  a b 1.
f’(x)  3ax  2bx  3; f  1  0 , és a dir, 3a  2b  3  0  3ª  2b  3

2
Es resol el sistema
a  b  1
3a  2b  3 
i s’obté a 1 i b  0.
Troba el màxim valor de la funció f x x x1 a l’interval [1, 2].

2
8.
2
Com que f x x (x  1) x  x , f (x)  3x  2x x(3x  2) 0 si x  0 o si x 
2 3 2 2
.
3
2 4
f(1) 2; f(2)  4; f(0)  0 i f     , així que el màxim valor de f en [1, 2] s’assoleix en x  2 i val 4.
3 27
9. Si f   2   4 , g  2   3 , f  2   1 , g  2   1 , f  1  2 i g  1  5 , calcula la derivada a x 2 de les

funcions:
a) h  x   f  g(x) b) k  x   g  f (x)
a) h(x)  f (g(x))  g(x) així que h(2)  f (g(2))  g(2)  f (1)  (3)  2  (3)  6 .
b) k (x)  g(f (x))  f (x) així que k (2)  g(f (2))  f (2)  g(1)  4  5  4  20 .
10. Troba on és creixent i on és decreixent la funció f  x   1000  x   x 2 .

2
f (x) 2(1000 x)  2x  4x  2000  0 si x  500.

f (x)  0 si x  500 i f (x)  0 si x  500.
Així, doncs, f és creixent en (500, ) i decreixent en (, 500).

Tria l’única resposta correcta de cada un dels apartats.
La tangent a la corba de l’equació y x en el punt P(2, 4) passa pel punt:

2
1.
A. (1, 3) C. ( 1, 0)
B. (1, 4) D. ( 1, 8)
f (x)  2xf (2) 4, de manera que l’equació de la tangent que ens demanen és y  4  4 (x 2), és a dir, y  4x  4,
que passa pel punt (1, 8). La resposta és la D.
 2
2. Si la tangent a la gràfica de f en el punt P  1,  talla l’eix d’ordenades en el punt (0, 1), el valor de f (1) és:
 3
2 1
A. C. 
3 3
1
B. D. 1
3
2
1
 2 y 2  y1 3 1 1
Com que la recta que passa per  1,  i per (0, 1), té pendent m     , aleshores f (1)   , de
 3 x2  x1 0  1 3 3
manera que la resposta és la C.
3. La derivada de  f g  en el punt x  0, sent g  x   e 6x i f  x   3 x , pren el valor:
A. 0 C. 2
B. 1 D. e
1 1
f g  (0)  f (g(0)) g (0) . Com que f ( x )  i g(x)  6e6x , tenim que f (g(0)) f (1)  i g (0) 6.
33 x 2 3
 1
f g  (0)    6   2 , de manera que la resposta és la C.
3

Assenyala, en cada cas, les respostes correctes.

4. Considera la funció f  x   2x 3  x , definida a (, 3] i sigui T la tangent a la seva gràfica en el punt
d’abscissa 0. Llavors:
6  3x
A. Per a tot x de (, 3], f   x   C. L’equació de la recta T és y  2 3x .
3x
x
B. Per a tot x de (, 3], f   x   4 D. Per a tot x de (, 3], f   x   2 3  x 
3x
2x 2 3  x   x 6  3x
A. f ( x )  2 3  x     A és veritable.
2 3x 3x 3x
9
B. Falsa, ja que, per exemple, f (1)   4.
2
C. Falsa, perquè f (x)  2 3x no és l’equació d’una recta.
x
D. Falsa, ja que f ( x )  2 3  x  .
3x
5 1 1
5. Si f és la funció definida per la fórmula f  x      1 , si x  0, llavors:
x x 2  1 1000 103
A. El domini de f són tots els nombres reals.
9
B. f (1)  
2
C. Les tangents a x = 1 i x = 1 són paral·leles.
2x 5
D. f ( x )  
 x 2  1
2
x2
A. Com que x  0 no està en el domini de f, l’afirmació A és falsa.

5 2x 1 9
B. f ( x )    , de manera que f (1)  5     B és veritable.
x 2  x 2  12 2 2
1 11
C. f (1)  5    . Així, doncs, com que f (1)  f (1) , l’afirmació C és falsa.
2 2
D. Es veritable, tal com hem vist en el càlcul de l’apartat B.
Tria la relació correcta entre les dues afirmacions donades.
6. Sigui f una funció definida en , amb derivada en tots els seus punts, i considera les dues afirmacions
següents:
1 f (x) 0 2. f és estrictament creixent en .
Aleshores:
A. 1  2 però 2 
 1 C. 1  2
B. 2  1 però 1 
 2 D. 1 i 2 s’exclouen entre si.
1  2 però 2   1 com passa amb la funció f(x) x , en x 0, perquè f(x) és creixent en x 0, però f (0) no és
3
positiva. Per tant, l’afirmació correcta és la A.

Raona quina de les dades següents és innecessària

Per trobar el nombre que mesura la diferència entre el màxim i el mínim de la funció f (x) ax bx c en
2
7.
un interval tancat es tenen les dades següents:
1. El valor de a 2. El valor de b 3. El valor de c
Llavors, pot eliminar-se, per innecessària:
A. La dada 1 C. La dada 3
B. La dada 2 D. Totes les dades són necessàries.
Si el màxim s’assoleix en x p i el mínim en x q,
f (p)  f (q)   ap2  bp  c   aq 2  bq  c   a  p2  q 2   b(p  q) , de manera que sobra el valor de c. La resposta
correcta és la C.

SOLUCIONARI UNITAT 10. ESTADÍSTICA UNIDIMENSIONAL
10. Estadística unidimensional

EXERCICIS PROPOSATS
1. Classifica justificadament les variables següents en qualitatives, quantitatives discretes i quantitatives
contínues.
a) Nombre de defectes en un model d’automòbil.
b) Origen, per continents, dels ciutadans estrangers residents a Catalunya.
c) Edat dels habitants d’una determinada ciutat.
d) Quocient intel·lectual dels alumnes d’una escola.
e) Distribució del PIB d’un país el 2014 per sectors econòmics (agricultura, indústria, serveis).
f) Temperatura registrada el dia 1 de juliol en cadascuna de les capitals de comarca catalanes.
g) Color d’ulls dels alumnes d’un centre.
h) Tones de cereal produïdes en una determinada regió en els darrers 50 anys.
a) Variable quantitativa discreta e) Variable qualitativa

b) Variable qualitativa f) Variable quantitativa contínua
c) Variable quantitativa discreta g) Variable qualitativa
d) Variable quantitativa contínua h) Variable quantitativa contínua
2. La taula recull la percepció de la situació econòmica d’Espanya, segons el baròmetre del CIS (gener 2013),
sobre una mostra de 2483 persones.
Molt Molt NS/

xi Bona Passable Dolenta Total
bona dolenta NC
fi 1 16 207 942 1313 4 2483
a) Troba les freqüències relatives i els percentatges.

b) Representa gràficament els percentatges per mitjà d’un diagrama de barres i un de sectors.
a) Les freqüències relatives i els percentatges per a les

categories de la variable és recullen a la taula següent: X fi hi %
Molt bona 1 0,00040 0,04
Bona 16 0,00644 0,64
Passable 207 0,08337 8,34
Dolenta 942 0,37938 37,94
Molt dolenta 1313 0,52880 52,88
NS/NC 4 0,00161 0,16
Total 2483 1 100

b) Els diagrames de barres i de sectors:
Percepció de la situació eonòmica a Espanya.

Gener 2013 (Fons: CIS).
Percentatges
Molt bona
Bona
Regular
Dolenta
Molt Bona Regular Dolenta Molt NS/NC
Molt dolenta
bona dolenta
Percepció de la situació eonòmica a Espanya. NS/NC
Gener 2013 (Fons: CIS).
3. Al llarg de l’últim mes, les urgències ateses diàriament en un centre de salut han estat les següents:
0 1 3 1 2 7 4 1 2 1 4 3 6 5 3
1 2 2 5 8 6 3 0 1 1 3 5 4 2 2
a) Construeix la taula de freqüències.
b) Representa gràficament les dades per mitjà d’un diagrama de barres de freqüències absolutes i un altre de
freqüències absolutes acumulades. Dibuixa els corresponents polígons de freqüències.
a) Un cop efectuat el recompte, la taula de freqüències absolutes i absolutes acumulades queda així:
xi fi Fi
0 2 2
1 7 9
2 6 15
3 5 20
4 3 23
5 3 26
6 2 28
7 1 29
8 1 30
30
b) Els diagrames de barres de freqüències absolutes i absolutes acumulades són:

Freqüències absolutes acumulades
Freqüències absolutes
X: nombre d'urgències diàries


4. Exercici resolt.
5. En una enquesta sobre el preu mensual del lloguer en euros (X), s’han obtingut les
dades de 1000 habitatges repartits en una àmplia regió. Classes fi
[100, 200) 42
a) Representa gràficament les dades mitjançant l’histograma de freqüències absolutes. [200, 300) 55
b) Dibuixa l’histograma de freqüències relatives acumulades [300, 500) 135
[500, 700) 300
c) Representa els polígons de freqüències en els histogrames anteriors. [700, 1000) 283
[1000, 1500) 110
[1500, 2000] 75
a) Com que els intervals no tenen la mateixa longitud, per dibuixar els rectangles X fi Altura
de l’histograma s’ha de calcular la seva altura en funció de la densitat de
[100, 200) 42 42
freqüències corresponent a cada classe. Per fer-ho es tria una unitat, en aquest
cas unitat 100 i l’altura del rectangle s’estableix perquè l’àrea representi la [200, 300) 55 55
freqüència absoluta: [300, 500) 135 67,5
[500, 700) 300 150
[700, 1000) 283 94,3
[1000, 1500) 110 22
[1500, 2000] 75 15
1000
X: preu del lloguer
b) Per representar l’histograma de freqüències relatives acumulades, s’ha de calcular l’altura de cada rectangle,
tenint en compte la longitud de cada classe i la freqüència relativa que hi correspon:
altura
X fi hi Hi altura
acumulada
[100, 200) 42 0,042 0,042 0,042 0,042
[200, 300) 55 0,055 0,097 0,055 0,097
[300, 500) 135 0,135 0,232 0,068 0,165
[500, 700) 300 0,300 0,532 0,150 0,315
[700, 1000) 283 0,283 0,815 0,094 0,409
[1000, 1500) 110 0,110 0,925 0,022 0,431
[1500, 2000] 75 0,075 1 0,015 0,446
1000 1
c) Els polígons de freqüències dels histogrames anteriors ja s’hi han dibuixat.

6. La despesa mitjana mensual en calefacció (X), en euros, de 73 habitatges es mostra en el gràfic següent.
X: Despesa mitjana en calefacció
a) Completa la taula de freqüències.

b) Dibuixa els histogrames de freqüències absolutes i de freqüències relatives acumulades.
a) Es completa la taula amb les freqüències relatives (hj) i les freqüències acumulades, tant les absolutes (Fj) com
les relatives (Hj):
Classes fj hj Fj Hj
[0, 50) 6 0,08219 6 0,08219
[50, 100) 18 0,24658 24 0,32877
[100, 150) 15 0,20548 39 0,53425
[150, 200) 17 0,23288 56 0,76712
[200, 250) 10 0,13699 66 0,90411
[250, 300] 7 0,09589 73 1,00000
73 1
b) Es representen els histogrames de freqüències absolutes, sense acumular i acumulades:

Freq. relatives acumulades


10. Considera la distribució de freqüències d’una variable quantitativa discreta següent.
xi 2 3 4 5 6 7
fi 8 7 10 8 9 6
a) Calcula la mitjana aritmètica.

b) Determina la moda i la mediana
c) Troba els quartils i els percentils 5 i 95.
a) La taula proporciona la distribució de freqüències absolutes i absolutes acumulades necessàries per respondre
les preguntes.
xi fj Fj fjxj
2 8 8 16
3 7 15 21
4 10 25 40
5 8 33 40
6 9 42 54
7 6 48 42
48 213
213
La mitjana és llavors: x   4,4375 .
48
b) Fent servir la taula anterior tenim que la moda és Mo  4, perquè aquest és el valor de freqüència absoluta. Per
a la mediana es té en compte que el 50 % de 48 és 24, i un cop ordenades les dades de més petita a més
gran, el valor de la variable que ocupa els llocs 24 i 25 és 4, d’acord amb la columna de freqüències absolutes
acumulades. Per tant, M  4.
c) Utilitzant la columna de les freqüències acumulades de la taula, els quartils Q1 i Q3 es calculen de manera
semblant a la mediana:
El 25 % de 48 és 12 i per tant el primer quartil correspon al valor 3; per tant, Q1  3.
De la mateixa manera, el 75% de 48 és 36, i així s’arriba a Q1  6.
Els percentils 5 i 95 es calculen pel mateix procediment que els quartils:
El 5 % de 48 és 2,4; de manera que el percentil 5 correspon al valor 2, és a dir, p5  2.
El 95 % de 48 és 45,6; així, doncs, finalment, resulta p95  7.

11. La taula recull la distribució acumulada de les edats de 120 habitants d’un poble.
a) Completa la taula de freqüències.

b) Dibuixa l’histograma de freqüències absolutes.
c) Calcula la mitjana, la moda i la mediana i els decils 1 i 9.
a) La taula proporciona la distribució de les freqüències absolutes acumulades. S’hi inclouen les classes, les
freqüències absolutes i relatives i les freqüències relatives acumulades i la columna fi·xi.
Classes fj Fj hj Hj fjxj
[0, 5) 3 3 0,0250 0,0250 7,5
[5, 10) 2 5 0,0167 0,0417 15,0
[10, 15) 3 8 0,0250 0,0667 37,5
[15, 25) 4 12 0,0333 0,1000 80,0
[25, 50) 36 48 0,3000 0,4000 1350,0
[50, 75) 32 80 0,2667 0,6667 2000,0
[75, 100] 40 120 0,3333 1,0000 3500,0
120 1 6990,0
b) Per dibuixar l’histograma s’ha de tenir en compte que les classes tenen diferents amplituds. A la taula s’ha
calculat l’altura dels rectangles de l’histograma prenent 5 anys com a unitat:
Classes fi altura
[0, 5) 3 3
[5, 10) 2 2
[10, 15) 3 3
[15, 25) 4 2
[25, 50) 36 7,2
[50, 75) 32 6,4
[75, 100] 40 8
120
X: Edat en anys
6990
c) La mitjana és X   58,25 anys .
120
La classe modal és [75, 100], ja que presenta la densitat de freqüències més alta per unitat de mesura
(5 anys) (el rectangle és el de més altura en l’histograma)
Per a la mediana es té en compte que el 50% de 120 és 60, i per tant està en l’interval [50, 75), interval
d’amplitud 25, amb 32 observacions. Abans d’aquest interval s’acumulen 48 observacions; així, doncs, la
mediana és:
M  50 
 60  48  25  59,38
32
Els decils 1 i 9 es calculen pel mateix procediment:

El 10 % de 120 és 12 i, tal com es veu a la taula de les freqüències acumulades, D1 = 25 .
El 90 % de 120 és 108, de manera que el percentil es troba en l’interval [75, 100], interval d’amplitud 25 amb 40
observacions. Abans d’aquest interval es tenen 80 observacions:
D9  75 
108  80   25  92,5
40

13. En un test d’aptituds, la puntuació obtinguda (X) per 260 alumnes es distribueix de la manera següent:
Classes [0, 10) [10, 20) [20, 30) [30, 40) [40, 50]
fi 15 41 84 72 48
a) Dibuixa l’histograma de freqüències absolutes.

b) Calcula la mitjana, la mediana i la moda.
c) Troba les desviacions absoluta mitjana i típica i el CV.
a)
X: Puntuació obtinguda en el test
b) Per als càlculs es construeix la taula següent:
Classes fi xi fi × xi fi × xi2 Fi fi xi - X
[0, 10) 15 5 75 375 15 355,96
[10, 20) 41 15 615 9225 56 562,96
[20, 30) 84 25 2100 52 500 140 313,38
[30, 40) 72 35 2520 88 200 212 451,38
[40, 50] 48 45 2160 97 200 260 780,92
260 7470 247 500 2464,62
7470
La mitjana és: X   28,73 .
260
La classe modal és [20, 30), que conté 84 observacions.
Càlcul de la mediana:
El 50 % de 260 és 130, de manera que la mediana està en l’interval [20, 30), d’amplitud 10 i 84 observacions.
Fins a arribar a aquesta classe s’han acumulat 56 observacions; per tant:
(130  56)  10
M  20   28,81
84
2464,62
c) La desviació absoluta mitjana és: DX   9,479
260
Es calculen la variància i la desviació típica:
247 500
s2   28,732  126,466  s  11,246
260
Finalment, el coeficient de variació, que mesura la variabilitat relativa de les puntuacions del test:
11,246
CV   0,3914
28,73
15 a 20 Exercicis resolts.

EXERCICIS
Taules de freqüència i gràfics

21. Per determinar si un dau està equilibrat o no, es llança 100 vegades i s’apunta el nombre que surt a cada
llançament.
6 1 1 2 5 1 6 4 4 3 4 3 6 5 1 6 1 2 3 1
3 3 4 5 6 4 2 5 4 4 3 5 2 3 6 5 6 5 1 3
6 1 5 6 5 6 5 2 1 2 6 3 2 5 2 4 3 4 3 3
6 4 2 5 5 4 3 5 2 3 1 3 6 2 6 4 1 1 4 2
5 2 1 6 6 1 4 6 1 4 2 1 3 4 3 1 6 1 5 2
a) Forma la taula de freqüències absolutes i relatives.
b) Representa gràficament la distribució.
c) A la vista de la taula i del gràfic, es pot afirmar que el dau està equilibrat?
a) Un cop realitzat el recompte, la distribució de freqüències absolutes i

relatives és: xi fi hi
1 18 0,18
2 15 0,15
3 17 0,17
4 16 0,16
5 16 0,16
6 18 0,18
100 1
b) La distribució de les freqüències absolutes (o relatives) es pot representar mitjançant un diagrama de barres
(observa l’escala de l’eix vertical):
X: Nombre de cara del dau
c) A la vista del diagrama de barres i de la taula de freqüències, encara que hi ha diferències entre les freqüències
dels diferents resultats, no hi ha prou informació per dir que el dau està esbiaixat. Caldria augmentar el nombre
d’assaigs per poder arribar a una conclusió. Si el dau està equilibrat, la freqüència relativa de cada resultat
1
s’hauria d’estabilitzar al voltant d’ .
6

22. A la taula següent es mostra la distribució de freqüències d’una variable estadística X.
xi 1 3 5 7 9 11
fi 14 10 8 30 32 21
a) Troba la distribució de freqüències absolutes acumulades, relatives i relatives acumulades.

b) Representa els diagrames de freqüències relatives i de freqüències relatives acumulades.
a) La taula s’amplia amb les columnes de les freqüències absolutes i les freqüències relatives.
xi fi hi Fi Hi
1 14 0,1217 14 0,1217
3 10 0,0870 24 0,2087
5 8 0,0696 32 0,2783
7 30 0,2609 62 0,5391
9 32 0,2783 94 0,8174
11 21 0,1826 115 1,0000
115 1
b) Els diagrames de freqüències relatives i freqüències relatives acumulades són respectivament:

Freqüències relatives
Freqüències relatives acumulades

23. Llegeix aquest poema de Joan Maragall, La ginesta:
La ginesta altra vegada la tisora va en renou

la ginesta amb tanta olor desflorant tanta hermosura
és la meva enamorada fins que el cor me n’ha dit prou.
que ve al temps de la calor. Amb un vimet que creixia
Per a fer-li una abraçada innocent a vora seu
he pujat dalt del serrat: he lligat la dolça aimia
de la primera besada ben estreta en un pom breu.
m’ha deixat tot perfumat. Quan l’he tinguda lligada
Feia un vent que enarborava, m’he girat de cara al mar…
feia un sol molt resplendent: M’he girat al mar de cara,
la ginesta es regirava que brillava com cristall;
furiosa al sol rient. he aixecat el pom enlaire
Jo la prenc per la cintura: i he arrencat a córrer avall.
Troba la distribució de freqüències de les vocals, tant les absolutes com les relatives, i representa gràficament les
relatives.
Un cop efectuat el recompte de vocals, la taula amb les freqüències absolutes i relatives és:
Angle (graus
X fi hi
sexagesimals)
a 92 0,3966 142,76
e 65 0,2802 100,86
i 31 0,1336 48,10
o 23 0,0991 35,69
u 21 0,0905 32,59
232 1 360
Per representar gràficament amb un diagrama de sectors les freqüències relatives, s’ha afegit a la taula la columna
de l’angle que correspon a cada lletra. Així, la representació queda així:

24. Les altituds màximes de cadascuna de les cinquanta províncies d’Espanya són:
898 2083 1558 2606 1482 2648

2591 1110 2531 1482 2131 2399
1654 2613 1813 1371 1570 1839
1544 2913 3479 2262 912 3404
1445 2167 2262 1949 2648 3143
1821 2430 2065 2001 2438 2124
2536 1177 2425 3715 2430 1129
2313 1447 2024 1447 1832 964
2124 2313
Font: Institut Geogràfic Nacional
a) Troba la distribució de freqüències absolutes agrupant les dades en 7 classes.

b) Representa l’histograma de freqüències absolutes.
a) L’altitud màxima és 3715 metres i la mínima és 898.

El rang de dades és 3715  898  2817.
2817
Si busquem classes d’amplitud semblant, hauria de ser propera a  402,43 m.
7
Així, si agafem 900 m com a inici del rang i, per simplificar, amb intervals d’amplitud 400, podem organitzar les
dades en una taula de freqüències així, augmentant l’amplitud de l’últim interval en 100 m.
Classes xi fi
[900, 1300) 1100 6
[1300, 1700) 1500 10
[1700, 2100) 1900 9
[2100, 2500) 2300 13
[2500, 2900) 2700 7
[2900, 3300) 3100 2
[3300, 3700) 3500 3
50
b) L’histograma corresponent pot ser aquest:


25. El nombre de vehicles implicats en accidents amb víctimes mortals i el total es donen en aquesta taula:
xi Mortals Total
1 893 32 120
2 630 43 508
3 108 5466
>3 52 1933
a) Representa les dues distribucions mitjançant un diagrama de barres.
b) Dibuixa un diagrama de sectors per a cada distribució amb els percentatges corresponents.
a) Els diagrames de barres de freqüències absolutes són:

X: Nombre de vehicles implicats X: Nombre de vehicles implicats

en accidents en accidents mortals
b) A la taula s’hi afegeixen les columnes corresponents als percentatges del nombre d’accidents amb víctimes
mortals i del nombre total d’accidents, a més de les columnes amb els graus sexagesimals que corresponen a
cada valor de la variable.
Angle
xi mortals Total % mortals % Total Angle total
mortals
1 893 32 120 53,06 % 38,69 % 191,02 139,27
2 630 43 508 37,43 % 52,40 % 134,76 188,65
3 108 5466 6,42 % 6,58 % 23,10 23,70
>3 52 1933 3,09 % 2,33 % 11,12 8,38
1683 83 027 100 % 100 % 360 360
I els diagrames de sectors corresponents són:
Vehicles implicats en accidents mortals

Vehicles implicats en accidents

26. El percentatge de població activa, per sectors econòmics, Sector Total Dones Homes
que es desprèn de l’Enquesta de població activa (EPA) de
finals de 2012, incloent-hi el total i distingint entre homes i Agricultura 4,4 2,5 5,9
dones, es mostra a la taula següent. Indústria 14,1 7,8 19,3
Construcció 6,6 1,2 11,1
a) Representa les tres distribucions en un mateix diagrama de
barres. Serveis 74,9 88,5 63,7
b) Quines diferències hi observes entre homes i dones?

c) Dibuixa un diagrama de sectors per a cada distribució.
a) El diagrama de barres és el de la dreta.
Total
Dones
b) Entre altres observacions, es pot veure que els homes són
majoria en els sectors d’agricultura, indústria i construcció,
mentre que en el sector serveis passa al contrari. Homes
Agricultura Indústria Construcció Serveis
c) Per fer els diagrames de sectors s’inclou a la taula una columna amb els graus sexagesimals corresponents a
cada distribució:
Angle Angles Angle

Sector Total Dones Homes
total dones homes
Agricultura 4,4 15,84 2,5 9 5,9 21,24
Indústria 14,1 50,76 7,8 28,08 19,3 69,48
Construcció 6,6 23,76 1,2 4,32 11,1 39,96
Serveis 74,9 269,64 88,5 318,6 63,7 229,32
360 360 360
Distribució de treballadors per sectors Distribució d'homes per sectors
Agricultura
Agricultura
Indústria
Indústria
Construcció
Construcció
Serveis
Serveis
Distribució de dones per sectors
Agricultura
Agricultura
Indústria
Indústria
Construcció
Serveis

Mesures de localització i de dispersió

27. En una ocasió, es van reunir 5 membres d’una mateixa família d’edats 23, 28, 32, 35 i 40 anys.
a) Calcula la mitjana i la variància de les edats.
b) Quatre anys després tornen a reunir-se els cinc. Quines seran aleshores la seva edat mitjana i la variància?
23  28  32  35  40
a) La mitjana aritmètica és: X   31,6 .
5
232  282  322  352  402

I la variància: s 2   31,6  33,84
5
b) Al cap de quatre anys, la nova variable és Y  X  4. La mitjana serà quatre anys més i la variància la mateixa,
és a dir:
Y  35,6
sY2  33,84
Si les dades es “traslladen” uniformement, la dispersió respecte a la mitjana no varia.
28. Sabent que 3 és la mitjana del conjunt de dades:

2, 3, 2, 5, x, 6, 4, 0
Troba el valor de la dada que falta.
S’escriu la mitjana del conjunt de dades i s’iguala a 3:
2325 x 640
 3  x  22  24  x  2
8
Empresa A B C D
xi 1500 1625 1450 1275
fi 115 60 38 77

29. El sou mitjà (X) a quatre empreses situades a la mateixa ciutat i el nombre de treballadors que té cada una
d’elles venen donats en la taula següent.
a) Calcula l’ingrés mitjà de tots els treballadors.
b) Escull i dibuixa un gràfic que representi la importància relativa d’aquestes quatre empreses en relació amb el
nombre de treballadors que tenen.
c) Troba la variància i la desviació típica.
d) Calcula el coeficient de variació i comenta el resultat que s’obté.
a) Per als càlculs dels apartats a), c) i d) es construeix la taula següent:
2
Empresa xi fi fixi fixi
A 1500 115 172 500 258 750 000
B 1625 60 97 500 158 437 500
C 1450 38 55 100 79 895 000
D 1275 77 98 175 125 173 125
290 423 275 622 255 625
1 4 423275
El sou mitjà dels treballadors de les quatre empreses és: X   fi xi  290  1459,57
290 i 1
b) Es pot representar el nombre de treballadors de cada empresa mitjançant un diagrama de barres o un de

sectors, utilitzant les freqüències absolutes o relatives (percentatges). Al diagrama de barres s’ha representat
cada empresa amb el seu nombre de treballadors (freqüència absoluta), i en el de sectors, cada empresa, amb
el percentatge de treballadors del total que li correspon (freqüència relativa).
Distribució d'empleats
Nombre de treballadors
Empreses
c) Calculem la variància i la desviació típica fent servir les dades de la taula anterior:
1 4 622255625
sx2   fi xi2  X 2  290  1459,572  15367,49  sx  123,97
290 i 1
s 123,97
d) El coeficient de variació és, per tant: CV  x   0,0849 .
x 1459,57
El valor obtingut indica que els salaris són relativament homogenis entre les empreses, ja que hi ha una baixa
variabilitat.
30. En un determinat mes, la mitjana aritmètica dels sous pagats per una empresa als seus treballadors va ser
de 1400 €. La mitjana dels sous pagats als homes va ser de 1600 €, mentre que la dels pagats a les dones
va ser de 1350 €. Amb aquesta informació, quins són els percentatges de dones i homes que treballen en
aquesta empresa?
Si p és la proporció d’homes que treballa en aquesta empresa, 1  p és la proporció de dones. Aleshores, amb la
informació proporcionada, resulta:
1600p  1350(1 p)  1400
D’aquí s’obté que p  0,2. És a dir, el 20 % dels treballadors d’aquesta empresa són homes i el 80 % dones.

31. El nombre de faltes d’assistència (X), en un grup de 37 alumnes, a la classe de Matemàtiques Aplicades a
les Ciències Socials de 1r de Batxillerat s’ha agrupat en la taula.
xi 0 1 2 3 4 5
fi 12 8 7 5 3 2
a) Representa gràficament la distribució de freqüències absolutes i absolutes acumulades.

b) Dibuixa els polígons de freqüències absolutes i absolutes acumulades.
c) Calcula el nombre mitjà de faltes d’assistència en aquesta classe. També la moda i la mediana.
d) Calcula les desviacions absoluta mitjana i típica.
e) Quantes faltes té com a mínim un alumne que es troba entre el 25 % que més falta?
f) Determina els percentils 34 i 67.
a) Per a les representacions gràfiques i els xi fi Fi fixi

2
fixi xi - X fi × xi - X
càlculs de mitjana i mediana s’afegeixen a
la taula les columnes de freqüències 0 12 12 0 0 1,59 19,08
absolutes acumulades i la dels productes 1 8 20 8 8 0,59 4,72
necessaris per als apartats següents. 2 7 27 14 28 0,41 5,74
3 5 32 15 45 1,41 7,05
Els diagrames de barres i els gràfics dels
polígons de freqüències absolutes i 4 3 35 12 48 2,41 7,23
absolutes acumulades són: 5 2 37 10 50 3,41 6,82
37 59 179 9,82 50,64
Freqüències acumulades
X: nombre de faltes d'assistència X: nombre de faltes d'assistència
b) Els polígons de freqüències s’inclouen en els gràfics anteriors.

59
c) El nombre mitjà de faltes ve donat per: X   1,59 faltes d’assistència.
37
La moda és Mo  0, ja que és el valor de la variable que presenta la freqüència més alta (12).
Com que hi ha un nombre imparell de dades (37), la mediana és el valor de la variable que ocupa la posició 19,
que observant la columna de les freqüències acumulades és M  1.
d) La variància i la desviació típica venen donades per:
1 6 179
sx2   fi xi2  X 2  37  1,592  2,295  sx  1,515
37 i 1
Per al càlcul de la desviació absoluta mitjana fem servir l’última columna:
1 6 50,64
Dx   fi xi  X  37  1,379
37 i 1
e) Un alumne que està entre el 25% d’alumnes que més falta se situa per damunt del tercer quartil. Com que el
75% de 37 és 27,75, mirant la columna de freqüències absolutes acumulades, veiem que ha de tenir com a
mínim 3 faltes.
f) Per identificar els percentils 34 i 67, veiem que:
El 34 % de 37 és 12,58. La primera freqüència absoluta acumulada que assoleix aquesta xifra correspon a p34  1.
El 67 % de 37 és 24,79. La primera freqüència absoluta acumulada que assoleix aquesta xifra correspon a p67  1.

32. D’una mostra de 100 llars, seleccionades aleatòriament en una ciutat petita, es compta el nombre de
persones ocupades que hi viuen. Les dades es recullen agrupades en la taula següent:
xi 0 1 2 3 4
fi 11 35 32 13 9
a) Calcula el nombre mitjà de persones ocupades per llar i la seva desviació típica.
b) Representa les dades. Pot considerar-se asimètrica aquesta distribució?
c) Determina els percentils 5 i 95. Quantes unitats de la mostra es troben entre aquests dos percentils?
2
a) S’amplia la taula amb les columnes necessàries per calcular els xi fi fixi fixi
valors que ens demanen. 0 11 0 0
Aleshores, el nombre mitjà de treballadors (la mitjana de la 1 35 35 35
distribució), la seva variància i la seva desviació típica són: 2 32 64 128
174
Mitjana: X   1,74 treballadors 3 13 39 117
100
4 9 36 144
424
Variància: s X2   1,742  1,2124  sx  1,1011 100 174 424
100
b) Es representa el gràfic mitjançant un diagrama de barres de

freqüències absolutes: Freqüències absolutes
La distribució de freqüències és clarament asimètrica.

Perquè fos simètrica, les freqüències a esquerra i dreta del
valor x  2 haurien de ser “semblants”.
X: nombre d'empleats per llar
c) Per al càlcul del percentil 5, p5, s’ordenen les dades de més petita a més gran i el valor que deixa com a mínim
el 5 % de les dades per sota (i a tot estirar el 95 % de les dades per sobre) (el 5 % de 100 és 5) és
p5 0.
El percentil 95, p95, el que deixa com a màxim el 5% de les dades per sobre (i com a mínim el 95% per sota) és
p95  4.
Entre aquests dos valors es troba el 90% de les dades de la mostra. Com que es tenen 100 observacions, 90
estan situades entre aquests dos valors. Ara bé, si descomptem els valors x  0 (11 observacions) i
x  4 (9 observacions), entre aquests dos valors tenim 80 observacions diferents de 0 i 4.

2
33. A la taula següent es mostra el nombre d’alumnes fi, la qualificació mitjana, xi, i la variància, s , en tres
grups d’alumnes que cursen Matemàtiques Aplicades a les Ciències Socials, de 1r de Batxillerat.
2
Grup fi xi s
A 31 6,2 2,8
B 35 5,8 3
C 32 5 2
a) Calcula la nota mitjana global dels tres grups.

b) Troba el coeficient de variació per a cada grup i ordena els grups per homogeneïtat.
a) Per respondre les qüestions plantejades, s’afegeixen a la taula les columnes dels productes fixi i la dels
coeficients de variació de cada grup, CVi
2
Grup fi xi s fixi CVi
A 31 6,2 2,8 192,2 0,2699
B 35 5,8 3 203 0,2986
C 32 5 2 160 0,2828
98 555,2
La nota mitjana global s’obté ponderant la mitjana de cada grup pel seu nombre d’alumnes. És a dir:
1 3 552,2
X 
98 i 1
fi xi 
98
 5,67
b) El coeficient de variació de cada grup s’ha inclòs a l’última columna de la taula.
si
CVi  de manera que resulta, ordenats de menys variabilitat a més:
X
CVA 0,2699, CVC 0,2828 i CVB 0,2986.
34. La producció de remolatxa, en tones (X), a 4 finques amb diferents tipus de cultiu i diferents superfícies, en
hectàrees, es dona a la taula següent:
Finques ha xi
A 6 42
B 10 60
C 4 32
D 7 40
a) Calcula el rendiment per ha a cadascuna de les quatre finques.

b) Troba el rendiment mitjà global i la desviació absoluta mitjana per ha de terreny.
a) S’afegeix a la taula la columna dels rendiments mitjans per

ha en cada una de les quatre finques, obtingut dividint la Finques ha xi RM/ha
producció total de cada finca per la seva superfície. A 6 42 7,000
Es pot observar que el rendiment mitjà més alt es dona en la B 10 60 6,000
finca C, 8 tones per ha, i el més baix en la finca D, 5,714 C 4 32 8,000
tones per ha.
D 7 40 5,714
b) El rendiment global s’obté dividint la producció total, 174 27 174
tones, entre les 27 ha de conreu que hi ha entre les tres
finques. És a dir:
174
X  6,444 tones per ha
27

35. La distribució de les temperatures màximes en ºC (X) a què s’arriba en una localitat en 60 dies consecutius
ve donada a la taula.
X fi
[10,0) 11
[0, 5) 12
[5, 10) 14
[10, 15) 11
[15, 25) 12
a) Representa gràficament les dades i dibuixa el polígon de freqüències.

b) Calcula la temperatura mitjana dels 60 dies i la seva variància.
c) Determina la temperatura que només va ser superada el 5 % dels dies.
a) Es representa la distribució de les temperatures mitjançant un diagrama de barres. S’ha agafat 5 com a unitat
per a la base dels rectangles, de tal manera que les freqüències de cada classe es corresponen amb l’àrea dels
rectangles.
Per dibuixar el polígon de freqüències s’hi afegeixen dues classes amb freqüència zero al principi i al final de la
distribució. La longitud d’aquestes classes és la mateixa que la de les classes que la segueixen o que la
precedeixen respectivament
X: temperatures màximes
b) S’afegeixen a la taula les columnes necessàries per al càlcul de la mitjana i de la desviació típica:
2
Classes fi xi fixi fixi Fi
[10,0) 11 5 55 275 11
[0, 5) 12 2,5 30 75 23
[5, 10) 14 7,5 105 787,5 37
[10, 15) 11 12,5 137,5 1718,75 48
[15, 25) 12 20 240 4800 60
60 457,5 7656,25
457,5
D’aquesta manera, la mitjana és: X   7,625 ºC
60
7656,25
i la variància i la desviació típica són: s 2   6,6252  69,4635  s  8,3345 ºC
60
c) Per determinar aquesta temperatura, s’ha inclòs a la taula anterior la columna de les freqüències absolutes
acumulades. Es tracta de trobar el percentil 95, p95, Com que el 95% de 60 observacions són 57, el percentil 95
es troba en l’interval [15, 25), que té longitud 10 i que conté 12 observacions. A més abans d’aquest interval es
tenen acumulades 48 observacions. Així, doncs:
(57  48)10
p95  15   22,5 ºC
12

Síntesi
36. El nombre de fills (X) d’una mostra de 100 famílies es recull en el diagrama de barres adjunt.
Nombre de fills
a) Escriu la taula de freqüències i representa la distribució per mitjà del diagrama de freqüències relatives
acumulades.
b) Calcula la mitjana, la moda i la mediana.
c) Determina els quartils Q1 i Q3.
a) Construïm la taula, a la qual s’afegeixen les columnes de les freqüències relatives (hi) i les freqüències relatives
acumulades (Hi), i les columnes amb els productes necessaris per als càlculs posteriors.
xi fi Fi hi Hi fixi
0 20 20 0,20 0,20 0
1 35 55 0,35 0,55 35
2 25 80 0,25 0,80 50
3 15 95 0,15 0,95 45
4 5 100 0,05 1 20
100 1 150
I el diagrama de barres corresponent és:

X: nombre de fills
b) Per calcular la mitjana i la mediana recorrem a la taula, de manera que la mitjana és:
1 5 150
X  fi xi  100  1,5
100 i 1
La mediana s’obté de la manera següent: el 50 % de 100 és 50 i el valor de la variable X que, una vegada
ordenades les dades de més petita a més gran, ocupa el lloc 5051 (observa que el nombre de dades és
parell) és 1.
Per tant, M  1.
La moda és Mo  1, perquè és el valor que apareix més vegades (36) en la distribució.
c) Els quartils primer i tercer es calculen de manera semblant a la mediana (quartil 2).
Q1, quartil 1r. El 25 % de 100 és 25. El valor de la variable que ocupa el lloc 25, ordenades les dades de més
petita a més gran, és Q1  1. Coincideix, per tant, amb la mediana.
El 75 % de 100 és 75. Per tant, el quartil Q3 2, que és el valor que ocupa el lloc 75 una vegada ordenades les
dades de més petita a més gran.

37. La distribució del pes en kg (X) d’una mostra de 65 estudiants d’un

centre educatiu es mostra en el gràfic següent:
a) Escriu la taula de freqüències i dibuixa el polígon de freqüències
relatives acumulades.
b) Troba el pes mitjà i la desviació típica.
c) Calcula la mediana i els quartils primer i tercer.
X: Pes esdudiants (kg)
a) A partir de l’histograma construïm la taula de freqüències ampliada per als càlculs posteriors:
2
X fi Fi hi Hi xi fi x i fi x i
[40, 50) 6 6 0,092 0,092 45 270 12 150
[50, 60) 12 18 0,185 0,277 55 660 36 300
[60, 70) 25 43 0,385 0,662 65 1625 105 625
[70, 80) 14 57 0,215 0,877 75 1050 78 750
[80, 90) 8 65 0,123 1 85 680 57 800
65 1 4285 290 625
A partir de les dades de la taula es construeix el polígon de freqüències relatives acumulades.
Pes esdudiants (kg)

b) El pes mitjà dels estudiants i la seva desviació típica es calculen a partir de les dades de la taula:
4285 290 625

X  65,923 kg s2   65,9232  125,302  s  11,194 kg
65 65
c) Per al càlcul dels quartils s’utilitza la columna de les freqüències absolutes acumulades.
Quartil Q1. El 25 % de 65 és 16,25, que s’acumula en l’interval [50, 60), de longitud 10 i que conté 12
observacions. Abans d’aquest interval es tenen acumulades 6 observacions; així, doncs:
10 . (16,25  6)
Q1  50   58,542kg
12
Quartil Q2. És la mediana. El 50 % de 65 és 32,5, que s’acumula en l’interval [60, 70), de longitud 10 i que
conté 25 observacions. Abans d’aquest interval es tenen acumulades 18 observacions. Així:
10(32,5  18)
M  Q2  60   65,8 kg
25
observacions. Abans d’aquest interval es tenen acumulades 43 observacions. Per tant:
10   48,75  43 
Q3  70   74,11 kg
14

38. La distribució del nombre de matèries suspeses (X) per 38 alumnes de 1r de Batxillerat és:
xi 0 1 2 3 4 5
fi 14 10 6 4 3 1
a) Determina la moda, la mediana i la mitjana. Quina representa millor la distribució de les dades?
b) Calcula la desviació absoluta mitjana i la desviació típica.
c) Quin percentatge de dades es troben en l’interval  x  2s, x  2s  , on s és la desviació típica?
a) Per als càlculs posteriors, s’afegeixen a la taula les columnes de les freqüències absolutes acumulades i les
necessàries per determinar la mitjana i la variància.
2
xi fi Fi f ix i fixi
0 14 14 0 0
1 10 24 10 10
2 6 30 12 24
3 4 34 12 36
4 3 37 12 48
5 1 38 5 25
38 51 143
Amb les dades i els resultats de la taula, tenim que:
La moda és Mo  0, que és el nombre de matèries suspeses que es dona amb més freqüència.
La mediana és M  1, ja que ordenades les dades de més petita a més gran, és la qualificació que ocupa els
llocs 19 i 20.
51
La mitjana aritmètica: X   1,342 assignatures suspeses
38
El valor que representa millor la distribució, tenint en compte la seva asimetria, és la mediana, tot i que en
aquest cas el valor de la mitjana no està gaire allunyat de la mediana.
b) La desviació absoluta mitjana es calcula a partir de la seva definició:
1 6 44,421
Dx  
38 i 1
fi xi  X 
38
 1,169 .
S’obté la desviació típica de la distribució a partir de l’última columna de la taula:

143
s2   1,3422  1,9619  s  1,4007
38
c) De manera que l’interval:
 X  2s, X  2s   1,342  2,8014; 1,342  2,8014    1,4594; 4,1434 

inclou 37 observacions, que representen el 97,37 % del total d’observacions.

39. En els deu primers partits de lliga, els gols marcats per dos equips de futbol rivals van ser:
Equip A: 0, 2, 1, 5, 1, 4, 3, 0, 2, 1
Equip B: 2, 1, 0, 0, 6, 1, 4, 2, 1, 1
a) Determina la mitjana, moda i mediana del nombre de gols marcats per cada equip i compara-les.
b) Troba els quartils del nombre de gols de cada equip.
c) Dibuixa el diagrama de caixa de les dues distribucions. Compara’ls.
d) Calcula el coeficient de variació. Quin dels dos equips mostra una regularitat més gran?
a) De les dades s’obté que la mitjana de gols de cada equip és:
0  2  1 5  1 4  3  0  2  1 2  1 0  0  6  1 4  2  1 1
XA   1,9 XB   1,8
10 10
Els dos equips presenten la mateixa moda, MoA  MoB  1. En el cas de l’equip A, va marcar aquesta xifra de
gols en tres partits, i en el cas de l’equip B, en quatre partits.
Si s’ordena de més petita a més gran la distribució dels gols en tots dos equips:
Equip A: 0, 0, 1, 1, 1, 2, 2, 3, 4, 5 Equip B: 0, 0, 1, 1, 1, 1, 2, 2, 4, 6
Com que hi ha 10 observacions (nombre parell), la mediana és qualsevol valor comprès entre els que ocupen
les posicions 5 i 6. Així, la mediana de l’equip A és 1 o 2 (qualsevol valor entre aquests dos es pot considerar
mediana), mentre que la mediana de l’equip B és 1. Si es comparen aquests valors, es dedueix que els dos
equips presenten xifres molt semblants.
b) S’han de calcular, per a les dues distribucions, els quartils primer i tercer. El segon quartil, la mediana, ja s’ha
calculat.
Quartils de la distribució de l’equip A: Q1  1, Q2  1,5 i Q3  3 (Per a la mediana s’ha agafat el punt mitjà entre 1
i 2).
Així, doncs, el rang interquartílic de l’equip A és RIQA  3  1  2.
Anàlogament, per a la distribució de gols de l’equip B:
Quartils de la distribució de l’equip B: Q1  1, Q2  1 i Q3  2.
El rang interquartílic de l’equip B és RIQB  3  1  2.
c) Dels resultat de l’apartat b) resulta que per a l’equip A, els extrems del diagrama (els bigotis) són:
Q3  1,5 RIQA  3  1,5·2  6. D’on es dedueix que LSA (valor més gran dels valors que són més petits o iguals
que Q3  1,5 RIQA) és 5.
Q1  1,5 RIQA  1  1,5·2  2. D’on es dedueix que LIA (valor més petit dels valors que són més grans o iguals
que Q1  1,5 RIQB) és 0.
I per a l’equip B:
Q3  1,5 RIQ  3  1,5·2  6. D’on es dedueix que LSB (valor més gran dels valors que són més petits o iguals
que Q3  1,5 RIQ) és 6.
Q1  1,5 RIQ  1  1,5·2  2. D’on es dedueix que LIB (valor més petit dels valors que són més grans o iguals
que Q1  1,5 RIQ) és 0.
Els diagrames de caixes queden, aleshores, així:
Equip B
Equip A

d) Per calcular els coeficients de variació necessitem les desviacions típiques:
 0  1,9   2  1  1,9   3   2  1,9   2  3  1,9    4  1,9   5  1,9 

2 2 2 2 2 2
sA2   2,49  sA  1,578

10
 0  1,8  2  1  1,8   4   2  1,8   2   4  1,8    6  1,8 
2 2 2 2 2
sB2   3,16  sB  1,778

10
Aleshores:
1,578 1,778
CVA   0,831; CVB   0,988
1,9 1,8
Sembla que l’equip A presenta una mica menys de variabilitat. Això també es pot observar al diagrama de
caixes.
QÜESTIONS
40. El valor més petit observat d’una variable estadística quantitativa contínua és 34,2, i el més gran, 43,3. Es
disposa de 110 observacions.
Fes, de forma raonada, almenys dues propostes per agrupar les observacions d’aquesta variable en
classes.
Com que el rang de les observacions és 43,3  34,2  9,1, es pot proposar:
a) Dividir el recorregut de la variable en 7 classes de longitud 1,3 cada classe:

[34,2; 35,5); [35,5; 36,8); [36,8; 38,1); [38,1; 39,4); [39,4; 40,7); [40,7; 42,0) i [42,0; 43,3]
És la proposta més ajustada i, tal vegada, la més recomanable en aquest cas.
b) Si es proposa utilitzar 10 classes (perquè es tenen més de 100 observacions), es pot fer amb classes de
longitud 1, des de 34 fins a 44:
[34; 35); [35; 36); [36; 37); [37; 38); [38; 39); [39; 40); [40; 41); [41; 42); [42; 43) i [43; 44]
Però en aquesta proposta els intervals inicial i final han quedat una mica desequilibrats, ja que s’ha restat 0,2 al
primer i s’ha afegit 0,7 a l’últim.
c) Una tercera possibilitat, amb 10 intervals de longitud 1, seria equilibrar el que s’afegeix i es resta al màxim i al
mínim, respectivament, de les observacions:
[33,8; 34,8); [34,8; 35,8); [35,8; 36,8); [36,8; 37,8); [37,8; 38,8); [38,8; 39,8); [39,8; 40,8); [40,8; 41,8); [41,8;
42,8); [42,8; 43,8)
41. Sigui una variable estadística X que pren els valors x1, x2, … xn, amb freqüències
Y fi
absolutes f1, f2, …, fn i la mitjana de la qual és X . Considera la variable Y, de valors
els de la taula i amb freqüències absolutes f1, f2, …, fn iguals a les dels valors y1 = x1 - X f1
corresponents de X. y 2 = x2 - X f2
Calcula la mitjana de Y. … …
y n = xn - X fn
Es calcula la mitjana de Y substituint els seus valors en funció de X i utilitzant que
1
N   fi i X   fi xi , s’obté
i N i
Y
1 1

1
 X
 fi y i  N i fi xi  X  N i fi xi  N
N i
f
i
i 
1 X 1
 fi xi  N N  N i fi xi  X  0
N i
Per tant, Y  0 .

42. D’una característica X s’obtenen les observacions 1, 5, 7, 3, 7, 11, 1 i 3.

a) Calcula la mitjana i la variància de X.
b) Multiplica els valors anteriors per 2 i troba’n ara la mitjana i la variància.
1  5  7  3  7  11  1  3 38
a) La mitjana és X    4,75 i la variància:
8 8
12  52  72  32  72  112  12  32
sx2   4,752  33  4,752  10,4375
8
b) Per a la variable Y 2X s’obtenen els valors 2, 10, 14, 6, 14, 22, 2, 6.
2  10  14  6  14  22  2  6 76
Aleshores: Y    9,5 ; és a dir, Y  2 X .
8 8
22  2  62  2  102  142  2  222
La variància de Y: sY2   9,52  41,75 ; és a dir, sY2  22s X2 .
8
2
43. Sigui X una variable estadística la mitjana aritmètica de la qual és X , i la seva variància s .
Als valors de la variable X se’ls suma la constant k i s’obté una nova variable Y  X  k. Quines són la
mitjana i la variància de Y?
Si X és una variable estadística de mitjana aritmètica X , la mitjana aritmètica de la variable Y  X  k és:

1 n 1 n 1 n k n
Y   fi y i   fi  xi  k    fi xi   fi  X  k
N 1 N 1 N 1 N 1
1 n
  1 n
  1 n
 
2 2 2
i la variància és: sY2   fi y i  Y   fi xi  k  X  k   fi xi  X  sx2 .
N 1 N 1 N 1
És a dir, la variància no canvia, però la mitjana es trasllada k unitats. Per tant, la translació de les dades no influeix
en la seva dispersió al voltant de la mitjana.
2
44. Sigui X una variable estadística de mitjana aritmètica X i la variància s . Considera ara la variable Y,
resultat de multiplicar els valors de X per una constant c. Calcula la mitjana i la variància de Y.
Si X és una variable estadística de mitjana aritmètica X , la mitjana aritmètica de la variable Y  c X és:

1 n 1 n c n
Y   fi y i   fi cy i   fi xi  cX
N 1 N 1 N 1
1 n
  1 n
  c2 n
 
2 2 2
I la variància és: sY2   fi y i  Y   fi cxi  cX   fi xi  X  c 2sx2
N 1 N 1 N 1
2
És a dir, la mitjana queda multiplicada per c i la variància per c ; per tant, la dilatació de les dades influeix en la
seva dispersió al voltant de la mitjana.
45. Si la mitjana, obtinguda a partir d’una mostra, d’una variable estadística quantitativa és 3 i la seva
variància, 25, es pot dir que la mitjana és representativa del conjunt de dades?
Per estudiar la variabilitat s’ha de calcular el coeficient de variació. Si la variable és X, resulta:
s 25
CV  X     1,667
X 3
Això indica que les dades no són gaire homogènies i, per tant, és fàcil que la mitjana resulti poc representativa.

46. Si els valors obtinguts d’una variable estadística quantitativa se’ls multiplica per una constant k, com
canvia el coeficient de variació? Nota: Prova amb els valors 1, 2, 5, 7 i 8; i amb k  3.
Si X pren els valors 1, 2, 5, 7 i 8, aleshores Y  3X prendrà els valors 3, 6, 15, 21 i 24, d’on es dedueix:
1 2  5  7  8 3  6  15  21  24
X  4,6 Y   13,8  Y  3 X
5 5
Les variàncies i desviacions típiques són:
12  22  52  72  82 32  62  152  212  642 

s X2   4,62  7,44  s X  2,73 i sY2   13,82  66,96  sY  8,183 .
5 5
sx 2,73 s 8,183
Per tant, els coeficients de variació són: CVX    0,593 i CVY  y   0,593 .
X 4,6 Y 13,8
És a dir, els coeficients de variació no canvien davant una dilatació de les dades.
Per al cas general, es poden aplicar els resultats obtinguts en la qüestió 44. Així, quan es multiplica una variable
estadística X per una constant k, s’obté la variable Y  kX, la mitjana i la desviació típica de la qual es relacionen
amb la de X en la forma: Y  kX i sY  k 2sx . Per tant, els coeficients respectius de variació es relacionen així:
CVY sY sx sY  X ks X  X
 :    1  CVY  CVX , que confirma el resultat obtingut anteriorment.
CVX Y X s X  Y s X  kY
PROBLEMES
47. A l’enquesta del CIS (Centre d’Investigacions Sociològiques) corresponent al primer trimestre de 2013
sobre el nivell d’estudis, es va obtenir:
Nivell d’estudis fi
Sense estudis 147
Primària 1055
Secundària 319
FP 451
Universitaris Mitjans 210
Universitaris Superiors 293
No contesta 8
2483
a) Calcula la distribució de freqüències relatives i de percentatges.
b) Fes servir el gràfic més adient per representar la distribució dels percentatges.
a) A la taula s’hi afegeixen les columnes de les freqüències relatives i dels percentatges:
Nivell d’estudis fi hi Percentatges

Sense estudis 147 0,0592 5,92%
Primària 1055 0,4249 42,49%
Secundària 319 0,1285 12,85%
FP 451 0,1816 18,16%
Universitaris Mitjans 210 0,0846 8,46%
Universitaris Superiors 293 0,1180 11,80%
No contesta 8 0,0032 0,32%
2483 1 100%

b) Es proposa un gràfic de barres o un diagrama de sectors:
Distribució del nivell d'estudis
Sense estudis
Percentatge
Primària
Secundària
FP
Universitaris mitjans
Snese estudis.
Primària.
Secundària.
FP.
Universitaris mitjans.
Universitaris superiors.
No contesta.
Universitaris superiors
No contesta
48. L’esperança de vida, amb base a 2012, als països d’Àfrica es mostra en l’histograma següent amb els
països agrupats per intervals d’edat (Font: CIA World Factbook).
Snese estudis
X: esperança de vida (anys)
a) Construeix la taula de freqüències.

b) Dibuixa el polígon de freqüències absolutes acumulades.
c) Calcula la mitjana, la mediana i la moda.
d) Determina la variància i les desviacions típica i absoluta mitjana. Compara aquestes dues últimes.
a) A partir de l’histograma es recupera i

s’amplia la taula de freqüències per als Classes fi Fi xi fixi fix i
2
fi xi - X
càlculs posteriors:
[49,54) 17 17 51,5 875,5 45 088,25 135,370
L’última columna s’ha escrit aquí per [54,59) 12 29 56,5 678 38 307 35,556
comoditat, malgrat que per calcular-la [59,64) 15 44 61,5 922,5 56 733,75 30,556
s’utilitza la mitjana que s’ha trobat en [64,69) 2 46 66,5 133 8844,5 14,074
l’apartat c). [69,74) 2 48 71,5 143 10 224,5 24,074
[74,79] 6 54 76,5 459 35 113,5 102,222
54 3211 194 311,5 341,852

b) El polígon de freqüències absolutes acumulades és:
Freqüències absolutes X: esperança de vida (anys)
c) Per als càlculs recorrem a la taula:

3211
Mitjana aritmètica: X   59,46 anys
54
La mediana: el 50% de les 54 observacions són 27. Ordenades de més petita a més gran i mirant a la taula la
columna de les freqüències absolutes acumulades (Fi), l’observació que ocupa el lloc 27 es troba en l’interval
[54,59), que té una longitud 5 i que conté 12 observacions i abans d’aquest interval s’han acumulat 17
observacions. Així, doncs, la mediana és: M  54 
 27  17  5  58,17 anys .
12
L’interval modal és [49, 54), i conté 17 observacions.
d) Amb ajuda de la taula de l’apartat anterior s’obtenen la variància i les desviacions típica i absoluta mitjana.
194 311,5 341,852

s2   59,462  62,87  s  7,93 anys; DX   6,33 anys
54 54
Veiem que la desviació típica té un valor superior al de la desviació absoluta mitjana.
49. A la taula següent s’han agrupat les províncies espanyoles i les ciutats
autònomes segons la taxa de natalitat (X: naixements per 1000 habitants) X fi
a l’any 2011 (Font: INE). [5,7; 8) 8
a) Troba la taxa mitjana de naixements per província i ciutat autònoma l’any [8; 10,3) 24
2011. [10,3; 12,6) 18
b) Determina la moda i la mediana. [12,6; 14,9) 0
c) Representa les dades. [14,9; 17,2) 1
d) Calcula la variància i la desviació típica. [17,2; 19,5] 1
e) Determina el coeficient de variació.
a) S’afegeixen a la taula les columnes necessàries per efectuar els càlculs que es demanen:
2
X fi Fi xi fixi fixi
[5,7; 8) 8 8 6,85 54,8 375,38
[8; 10,3) 24 32 9,15 219,6 2009,34
[10,3; 12,6) 18 50 11,45 206,1 2359,845
[12,6; 14,9) 0 50 13,75 0 0
[14,9; 17,2) 1 51 16,05 16,05 257,6025
[17,2; 19,5] 1 52 18,35 18,35 336,7225
52 514,9 5338,89
La taxa mitjana de natalitat l’any 2011 va ser:

514,9
X  9,902 naixements per cada 1000 habitants
52

b) L’interval modal és [8; 10,3) i conté 24 observacions.
Mediana: el 50% del total 52 són 26 observacions. De la columna de les freqüències acumulades s’observa que
l’observació número 26 (una vegada ordenades de més petita a més gran) es troba en l’interval [8; 10,3), de
longitud 2,3 i que conté 24 observacions. Abans d’aquest interval s’han acumulat 8 observacions. Així, doncs:
M  8
 26  8   2,3  9,725 naixements per cada 1000 habitants
24
c) L’histograma de freqüències absolutes és:
Nombre de províncies
absolutes
Naixements per cada 1000 habitants
d) La variància s’obté a partir dels resultats de la taula:
5338,89
s2   9,9022  4,6229  s  4,6229  2,1501
52
e) El coeficient de variació és:

s 2,1501
CV    0,2171
X 9,902
50. La taula següent inclou els percentatges de despeses d’administració (X) calculats sobre el total de primes
recaptades (fi), en milions d’euros, per cinc empreses d’assegurances de la llar.
Empresa X fi
A 11 220
B 15 130
C 14 145
D 12 180
E 11 150
a) Determina el percentatge mitjà de despeses.
b) Si se suposa que aquestes cinc empreses cobreixen tot el mercat de les assegurances de la llar, calcula el
coeficient de variació i fes una valoració del resultat.
a) Es completa la taula amb les columnes necessàries per al càlcul del percentatge mitjà i la variància dels
percentatges:
2
Empresa X fi fixi fixi
A 11 220 2420 26 620
B 15 130 1950 29 250
C 14 145 2030 28 420
D 12 180 2160 25 920
E 11 150 1650 18 150
825 10 210 128 360

El percentatge mitjà de despeses d’administració s’obté a partir dels càlculs de la taula:

10210
X  12,376%
825
b) Per calcular el coeficient de variació es necessita la desviació típica:

128360 1,5584
s2   12,3762  2,4285  s  1,5584% i d’aquí resulta CV   0,1259
825 12,376
Que informa de la variabilitat en el percentatge de despeses d’administració cobrades per les diverses
empreses i, en aquest cas, es pot veure que aquesta variabilitat és relativament petita.
51. Els temps de vida (X) en hores de 500 bombetes d’una marca s’han agrupat a la
taula. X fi
a) Representa l’histograma corresponent, juntament amb el polígon de freqüències. [0, 500) 15
[500, 1000) 56
b) Calcula la mitjana, la moda i la mediana.
[1000, 1500) 178
c) Determina la desviació absoluta mitjana, la variància i la desviació típica.
[1500, 2000) 115
d) Troba els quartils. [2000, 2500) 84
e) Estudia la variabilitat d’aquesta distribució de freqüències. [2500, 3000) 52
a) L’histograma i el polígon de freqüències són:
b) L’interval modal és el [1000, 1500), i conté 178 observacions.
c)
Classes fi Fi xi fixi
2
fixi fi xi - X
[0, 500) 15 15 250 3750 937 500 20 295
[500, 1000) 56 71 750 42 000 31 500 000 47 768
[1000, 1500) 178 249 1250 222 500 278 125 000 62 834
[1500, 2000) 115 364 1750 201 250 352 187 500 16 905
[2000, 2500) 84 448 2250 189 000 425 250 000 54 348
[2500, 3000] 52 500 2750 143 000 393 250 000 59 644
500 801 500 1 481 250 000 261 794

Per calcular la mitjana i la mediana s’afegeixen a la taula les columnes necessàries. A la taula també s’inclou la
columna necessària per calcular la variància.
801500
El temps mitjà de vida de les bombetes és: X   16,03 hores .
500
Mediana del temps de vida de les bombetes. El 50 % de 500 és 250 i l’observació 250, una vegada ordenades
les dades, queda inclosa en l’interval [1500, 2000), de longitud 500 i que inclou 115 observacions. Fins a
aquest interval s’han acumulat 249 observacions; així, doncs:
M  1500 
 250  249  500  1504,3 hores
115
261794
d) La desviació absoluta mitjana ve donada per: Dx   523,588 hores
500
La variància del temps de vida de les bombetes i la seva desviació típica són:
1 481 250 000

s2   16032  392 891  s  626,81 hores
500
Tal com es pot observar, la desviació típica resulta una mica superior a la desviació absoluta mitjana.
e) Per determinar els quartils es procedeix així:
El 25% de 500 és 125 i l’observació 125, una vegada ordenades les dades, queda inclosa en l’interval [1000,
1500), de longitud 500 i que inclou 178 observacions. Fins a aquest interval, s’han acumulat 71 observacions;
així, doncs:
Q1  1000 
125  71  500  1151,69 hores
178
D’altra banda, Q2  M  1504,3 hores.
Per al tercer quartil es té en compte que el 75 % de 500 és 375, i l’observació 375, una vegada ordenades les
dades, queda inclosa en l’interval [2000, 2500), de longitud 500 i que inclou 84 observacions. Fins a aquest
interval, s’han acumulat 364 observacions; així, doncs:
Q3  2000 
 375  364 500  2065,48 hores
84
f) Per estudiar la variabilitat es determina el coeficient de variació, que resulta:
626,81
CV   0,391
1603
i indica una variabilitat mitjana de les dades.

52. Les temperatures mitjanes (X) registrades al llarg del mes de maig a 50 ciutats es presenten agrupades en
la taula següent:
a) Representa gràficament les dades, per mitjà d’un histograma i afegeix el polígon de
freqüències. X fi
b) Determina la mitjana, la mediana i l’interval modal. [15, 18) 7
c) Troba els decils 3 i 8. [18, 21) 10

[21, 24) 15
d) Calcula la desviació absoluta mitjana i la desviació típica. Compara-les.
[24, 27) 13
e) Determina el coeficient de variació de la distribució de temperatures.
[27, 30] 5
f) Per sota de quina temperatura es troba el 35 % de les ciutats amb temperatura
mitjana més baixa?
a) L’histograma i el polígon de freqüències són:
Nombre de ciutats
Temperatura mitjana del mes de maig
b) Per als càlculs d’aquest apartat i els següents s’amplia

la taula amb les columnes necessàries:
X fi Fi xi fixi fi xi - X 2
fixi De manera La temperatura mitjana és:
1122
[15, 18) 7 7 16,5 115,5 41,58 1905,75 X  22,44ºC
50
[18, 21) 10 17 19,5 195 29,4 3802,5 Temperatura mediana: el 50% de les 50 observacions és
[21, 24) 15 32 22,5 337,5 0,9 7593,75 25. L’observació que ocupa el lloc 25, ordenades de més
[24, 27) 13 45 25,5 331,5 39,78 8453,25 petita a més gran, està inclosa en l’interval [21, 24), de
longitud 3 i que conté 15 observacions. Abans d’aquest
[27, 30] 5 50 28,5 142,5 30,3 4061,25 interval s’acumulen 17 observacions; així, doncs, la
50 1122 141,96 25 816,5 mediana és:
M  21 
 25  17   3  22,6 ºC
15
L’interval modal és [21, 24), ja que és el que conté el nombre d’observacions més alt,15.
c) Per calcular el decil 3, D3, s’observa que el 30 % de les 50 observacions és 15. L’observació que ocupa el lloc
15, ordenades de més petita a més gran, està inclosa en l’interval [18, 21), de longitud 3 i que conté 10
observacions. Abans d’aquest interval s’acumulen 10 observacions; així, doncs: D3  18 
15  7 3  20,4 ºC.
10
Raonant de la mateixa manera, es calcula el decil 8: D8  24 

 40  32 3
 25,85 ºC
13

141,96
d) La desviació absoluta mitjana s’obté a partir dels càlculs de la taula: DX   2,8392 C
50
25816,5
I la variància i la desviació típica: s 2   22,4422  12,7764  s  12,7764  3,5744ºC.
50
S’observa que la desviació típica és més gran que la desviació absoluta mitjana.
3,5744
e) El coeficient de variació de la distribució de temperatures és CV   0,1593.
22,44
f) Per respondre aquesta qüestió, s’ha de calcular el percentil 35. Com que el 35% de les 50 observacions és
17,5, que està per sobre de 17, l’observació que ocupa el lloc 18, una vegada ordenades les dades de més
petita a més gran, està inclosa en l’interval [21, 24), de longitud 3 i que conté 15 observacions. Abans d’aquest
interval, s’acumulen 17 observacions; així, doncs, aquest percentil és: p35  21 
17,5  17  3  21,1 ºC .
15
D’aquí es dedueix que el 35 % de les ciutats amb temperatura més baixa no van superar els 21,1 ºC.
53. D’una mostra de 100 nounats en una clínica de maternitat s’ha obtingut la
taula de pesos següent en kg (X) per a bebès d’entre 3 i 4 kg de pes. X fi
a) Dibuixa l’histograma de la distribució de freqüències relatives. [3,0; 3,2) 27
b) Troba la mitjana, la mediana i l’interval modal. [3,2; 3,4) 38
c) Determina la variància i la desviació típica. [3,4; 3,6) 16

[3,6; 3,8) 10
d) És simètrica la distribució? Justifica la resposta.
[3,8; 4,0] 9
e) Calcula els percentils 5 i 95. Quants bebès es troben per sobre del 90 % del
pes?
S’amplia la taula amb les columnes necessàries per respondre els apartats següents:
2
Classes fi Fi hi xi fixi fixi
[3,0; 3,2) 27 27 0,27 3,1 83,7 259,47
[3,2; 3,4) 38 65 0,38 3,3 125,4 413,82
[3,4; 3,6) 16 81 0,16 3,5 56 196
[3,6; 3,8) 10 91 0,1 3,7 37 136,9
[3,8; 4,0] 9 100 0,09 3,9 35,1 136,89
100 1 337,2 1143,08
a) L’histograma de freqüències relatives es construeix amb

la columna de les hi:
X: pes nounats (kg)
b) L’interval modal és [3,2; 3,4), ja que conté més observacions (tots els intervals són de la mateixa amplitud).
337,2
El pes mitjà dels bebès és: X   3,372 kg
100
La mediana del pes dels bebès es troba en l’interval [3,2; 3,4), ja que una vegada ordenades les observacions,
busquem la que ocupa el lloc 50 (50 % de 100 observacions). L’interval té longitud 0,2 kg i inclou 38
observacions. A més, abans d’arribar a aquest interval s’acumulen 27 observacions. Així, doncs:
M  3,2 
 50  27  0,3  3,382 kg.
38

1143,08
c) La variància i la desviació típica venen donades per s 2   3,3722  0,0604  s  0,0604  0,2458 .
100
d) A la vista de l’histograma es pot afirmar que la distribució no és simètrica, ja que les observacions no es
reparteixen de manera equilibrada a l’esquerra i a la dreta de la mitjana.
e) Per calcular els percentils 5 i 95 se segueix el mateix procediment que amb la mediana:
El 5 % de 100 observacions és 5, de manera que el percentil 5 es troba en el primer interval [3,0; 3,2), que té
5  0,2
longitud 0,2 i conté 27 observacions; així, doncs, p5  3,0   3,037 kg .
27
El 95 % de 100 és 95, de manera que el percentil 95 es troba en l’interval [3,8; 4,0), de longitud 0,2 i que conté
9 observacions. Com que abans d’aquest interval s’acumulen 91 observacions, resulta:
p95  3,8 
 95  91  0,2  3,889 kg
9
Per damunt del 90 % del pes hi ha el 10 % dels bebès, és a dir, 10 bebès.
54. Es té el següent conjunt de dades, relatives a l’edat dels veïns d’una casa més grans de 40 anys.
61 69 42 49 62 66 41 48 43 54
51 43 49 42 43 53 44 41 51 51
54 59 56 58 64 63 46 52 42 66
69 57 48 44 67 69 58 54 66 65
42 57 55 53 50 48 63 68 41 70
a) Per a les dades sense agrupar, dibuixa el diagrama de caixa.
b) Agrupa les dades en intervals de llargada 5 per un costat i de llargada 10 per un altre.
c) Representa gràficament les dues distribucions.
d) Calcula la mitjana, la mediana i l’interval modal en cadascuna de les dues distribucions.
e) Determina el coeficient de variació de les dues distribucions i comenta’n les diferències trobades .
a) Per representar el diagrama de caixa, ordenem les 50 dades de més petita a més gran.
El valor mínim és 41 i el màxim és 70.
Com que el 25 % de 50 és 12,5, el primer quartil ve donat per la mitjana dels que ocupen les posicions 12 i 13;
aquests són els valors 46 i 48; per tant, Q1  47.
De la mateixa manera, com que el 75 % de 50 és 37,5, el tercer quartil ve donat per la mitjana dels que ocupen
les posicions 37 i 38; aquests són els valors 62 i 63; per tant, Q3  62,5.
La mediana ve donada pel valor intermedi dels que ocupen les posicions 25 i 26, que són 53 i 54, de manera
que M  53,5.

b) Com que el màxim de les observacions és 70 i el mínim 41, triem sis intervals de longitud 5 i 3, intervals de
longitud 10, començant a 40 i acabant a 70. Un cop efectuat el recompte en tots dos casos, resulta:
Classes fi xi fixi fixi2 Fi

[40, 45) 12 42,5 510 21 675 12
[45, 50) 6 47,5 285 13 537,5 18
[50, 55) 10 52,5 525 27 562,5 28
[55, 60) 7 57,5 402,5 23 143,75 35
[60, 65) 5 62,5 312,5 19 531,25 40
[65, 70] 10 67,5 675 45 562,5 50
50 2710 151 012,5
2
Classes fi xi fixi fixi Fi
[40, 50) 18 45 810 36450 18
[50, 60) 17 55 935 51425 35
[60, 70] 15 65 975 63375 50
50 2720 151250
A les dues taules s’hi han afegit les columnes necessàries per als càlculs posteriors.
c) Es dibuixa l’histograma corresponent a les dues distribucions:
X: edat dels veïns (> 40 anys) X: edat dels veïns (> 40 anys)
Que són dues maneres diferents de representar la mateixa distribució del nombre de veïns més grans de 40
anys. L’aparença, tal com es veu als histogrames, és clarament diferent.
d) Per a cada distribució es calcula la mitjana, la mediana i l’interval modal.
De la primera taula, la de les classes de longitud 5, s’obté que la mitjana aritmètica és:
2710
X  24,5 anys
50
La mediana es troba en l’interval [50,55), de longitud 5 i que conté 10 observacions. Abans d’aquest interval
s’han acumulat 18 observacions; així, doncs, la mediana és M  50 
 25  18  5  53,5 anys, molt propera a la
10
mitjana.
L’interval modal en aquest cas és [40,45), ja que és el que conté el nombre més elevat d’observacions (12).
En el cas de la segona taula, on s’han agrupat les dades en classes de longitud 10, resulta que la mitjana
2720
aritmètica és : X   54,4 anys , molt semblant a la que s’ha obtingut amb les classes de longitud 5.
50

La mediana es troba en l’interval [50, 60), de longitud 10 i que conté 17 observacions. Fins a arribar a aquest
interval s’acumulen 18 observacions, de manera que ara la mediana és M  50 
 25  18  10  54,12 anys,
17
també propera a la mediana obtinguda amb classes de longitud 5.
Pel que fa a l’interval modal, en aquest cas és [40, 50), que inclou l’interval modal anterior.
e) S’ha d’obtenir la desviació típica de cada una de les agrupacions:
151012,5
Per a les classes de longitud 5: sx2   54,22  82,61  sx  82,61  9,089 anys
50
151250
Per a les classes de longitud 10: sy2   54,42  65,64  sy  65,64  8,102 anys
50
9,089 8,102
Aleshores, CV  x    0,1677 CV  y    0,1489
54,2 54,4
L’agrupació en classes de longitud 10 presenta menys variabilitat que l’agrupació en classes de longitud 5, tal
com podíem esperar, ja que en el primer cas, en realitat només es trien 3 valors diferents per efectuar els
càlculs (les marques de classe de les tres classes), mentre que en el segon cas són 6 els valors escollits.
55. La taula següent recull l’edat, agrupada en intervals, d’una mostra de 1000 conductors de 14 o més anys
que han estat implicats en accidents amb víctimes en via urbana.
Edat fi
[14, 18) 16
[18, 25) 149
[25, 45) 526
[45, 65) 255
[65, 75) 36
[75, 90] 18
a) Representa la distribució per mitjà de l’histograma i el polígon de freqüències relatives.
b) Calcula la mitjana, la mediana i les desviacions típica i absoluta mitjana.
c) Calcula el coeficient de variació.
d) Suposant que la mostra és representativa de la població objecte d’estudi, quin percentatge d’aquesta es troba
en l’interval  x  2s, x  2s  .
a) L’histograma i el polígon de freqüències amb el nombre de conductors per intervals d’edat de la mostra de 1000
conductors és:
Distribució d'una mostra de 1000 conductors

involucrats en accidents de trànsit
X: Edat dels conductors
b) S’amplia la taula amb les columnes necessàries per als càlculs dels dos apartats següents:

Edat fi Fi xi fixi fixi

2
fi xi - X
[14, 18) 16 16 16 256 4096 382,4
[18, 25) 149 165 21,5 3203,5 68 875,25 2741,6
[25, 45) 526 691 35 18 410 644 350 2577,4
[45, 65) 255 946 55 14 025 771 375 3850,5
[65, 75) 36 982 70 2520 176 400 1083,6
[75, 90] 18 1000 82,5 1485 122 512,5 766,8
1000 39 899,5 1 787 608,8 11 402,3
39899,5
La mitjana de l’edat dels conductors involucrats en accidents de trànsit és X   39,9 anys .
1000
És a dir, aproximadament 40 anys d’edat.
El 50 % de 1000 observacions és 500. L’observació que ocuparia el lloc 500 una vegada ordenades les
dades de més petita a més gran està, per tant, en l’interval [25, 45) segons es desprèn de la columna Fi de
la taula. L’interval té longitud 20 i 526 conductors es troben en aquest interval d’edat. Les observacions
acumulades fins a arribar a l’interval [25, 45) són 165. Així, doncs, la mediana és:
M  25 
 500  165   20  37,7 anys
526
A partir de les dades de la taula, es calculen la variància i la desviació típica.

1787608,8
s2   39,92  195,639  s  13,987 anys
1000
La desviació absoluta mitjana ve donada per:

1402,3
Dx   1,4023
1000
El coeficient de variació és una mesura de la variabilitat de les dades observades:

13,987
CV   0,3506
39,9
c) L’interval  X  2s, X 2s  39,9  2  13,987; 39,9  2 13,987  11,93; 67,87 , que conté totes les
observacions des de 14 fins a 67,87. Abans de l’interval [65, 75) hi ha 946 observacions acumulades. L’interval
[65, 75), de longitud 10, conté 36 observacions. Com que 67,8765  2,87, resulta que, suposant que les 36
observacions es distribueixen en l’interval de manera uniforme, en l’interval
2,87  36
[65; 67,87) s’inclouen  10,33 , és a dir, 10 observacions. Així, doncs, des de 14 fins a 67,87
10
s’inclouen 946 10 956 observacions, que representen el 95,6 % de la població estudiada.

ENTORN MATEMÀTIC
Buscant una feina

La Maria i en Ferran són dos germans a punt d’acabar els seus estudis universitaris i intentar accedir al mercat
laboral i mirar de troba una feina.
Estan preocupats pel tema i no paren de llegir sobre taxes de feina, Any Total Homes Dones
taxes de feina per sexe o per grups d’edat... i altres termes 2004 9,32 7,29 12,04
indesxifrables que compliquen la informació dels telenotícies.
2005 6,63 5,55 8,09
Els seus amics els diuen que no tindran les mateixes possibilitats, 2006 6,56 5,57 7,86
encara que han estudiat el mateix i han tret notes semblants.
2007 6,50 5,60 7,68
I encara que en Ferran pensa que això és una llegenda urbana, la 2008 11,75 12,34 11,01
Maria pensa que el seu germà és un ingenu i que, possiblement, els
2009 16,90 18,18 15,32
seus amics tinguin raó.
2010 17,86 19,10 16,37
Per fer que el seu germà baixi dels núvols, li proposa que investiguin
2011 20,40 20,70 20,05
una mica i ja de passada somiïn amb quant poden arribar a guanyar i
d’aquesta manera deixar de dependre dels seus pares. Investigant en 2012 23,81 24,65 22,84
l’Institut d’Estadística de Catalunya obtenen la taula de la taxa d’atur a 2003 21,87 22,29 21,41
Catalunya, dels últims anys (en %). 2014 19,88 20,16 19,58
a) Qui té raó, la Maria o el seu germà? Estudia com ha evolucionat el 2015 17,73 16,53 19,09
diferencial de gènere (diferència en punts percentuals entre la taxa 2016 14,85 13,91 15,89
d’ocupació dels homes i la de les dones) durant els últims anys. Ha
anat en augment? Ha disminuït?
b) Creus que ha influït la crisi econòmica en el diferencial de gènere en l’ocupació?
a) Ampliem la taula incloent-hi la columna Any Total Homes Dones Bretxa de gènere (DH)
“Bretxa de gènere”, que mostra la diferència 2004 9,32 7,29 12,04 4,75
entre les taxes de desocupació de dones 2005 6,63 5,55 8,09 2,54
menys la d’homes. En efecte, s’observa que 2006 6,56 5,57 7,86
aquesta bretxa es va reduir de manera 2,29
significativa fins al 2000 i que va arribar a ser 2007 6,50 5,60 7,68 2,08
negativa, però en els darrers anys ha tornat a 2008 11,75 12,34 11,01 -1,33
ser positiva. 2009 16,90 18,18 15,32 -2,86
2010 17,86 19,10 16,37 -2,73
2011 20,40 20,70 20,05 -0,65
2012 23,81 24,65 22,84 -1,81
2003 21,87 22,29 21,41 -0,88
2014 19,88 20,16 19,58 -0,58
2015 17,73 16,53 19,09 2,56
2016 14,85 13,91 15,89 1,98
Evolució de la bretxa de gènere en la taxa de desocupació (%)
b) Les dades de la taula sembla que confirmen
que el període de crisi ha reduït la bretxa de
gènere, però l'acabament de la crisi ha
provocat que es tornés a obrir la bretxa.

L’incendi al poble de l’Anxo

Els camps al voltant del poble de l’Anxo a Galícia s’han vist devastats per un gran incendi. Fou tan greu,
que ell i els seus pares van haver de ser evacuats durant els dos dies que van durar les tasques d’extinció.
L’Anxo està enfadat amb el món perquè pensa que han tingut molt mala sort ja que els ha hagut de tocar
precisament a ells. I a sobre els rumors del poble apunten a velles baralles entre famílies, altres diuen que
no, que ha estat un accident, i altres, que coses de meigues... Bé, això últim només ho ha sentit a un i
l’Anxo pensa que no està gaire bé del cap.
Per desgràcia, la realitat és que l’Anxo i la seva família no són els únics. A les darreres dècades, els
incendis forestals s’han convertit en un dels problemes mediambientals més importants a escala mundial i
constitueixen un greu problema a Catalunya i a Espanya que, a causa dels efectes del canvi climàtic, pot
veure’s considerablement agreujat.
Amb l’escàndol que hi ha hagut amb l’incendi i la quantitat d’informacions que han sortit a la premsa i els
incendis en general, l’Anxo ha sabut que des que a Espanya es va començar la recollida de dades el 1961
el nombre d’incendis s’ha anat incrementant de manera alarmant. I pitjor encara, més del 80 % han estat
provocats per la mà de l’home.
a) Estudia quina ha estat la distribució dels incendis forestals per comunitats autònomes i representa-la en un
diagrama de barres. També pots representar la distribució dels grans incendis per any des de l’any 1995, per
exemple, fins al darrer any disponible, calcular-ne el nombre mitjà i la variabilitat.
b) La superfície forestal, en hectàrees, afectada per incendis és una altra dada que donen les taules. Quina ha
estat la seva evolució al llarg del temps? Quantes hectàrees han estat afectades a l’any de mitjana? I en total?
Hi ha hagut molta variació en els darrers 10 anys?
c) Afecten de la mateixa manera els incendis els diferents tipus d’arbres?
Les dades sobre incendis es poden trobar a l’Institut d’Estadística de Catalunya i a l’Institut Nacional
d’Estadística, i pots accedir-hi des del web.
a) En primer lloc es representa la distribució del nombre de grans incendis (aquells en els quals la superfície
afectada és de més de 500 hectàrees) des de 1995 fins a 2012, tenint en compte que les dades de 2011 i 2012
són provisionals en el moment de l’elaboració d’aquesta resposta. La taula és:
1995 1996 1997 1998 1999 2000 2001 2002 2003

26 10 7 25 15 49 16 17 44
2011 2012
Grans incendis (1) 2004 2005 2006 2007 2008 2009 2010
(2) (2)
21 47 59 16 6 35 12 24 39
I el gràfic que informa de l’evolució del nombre de grans incendis forestals a Espanya és:
Evolució d'incendis
De la taula es pot obtenir el nombre mitjà d’incendis dels 18 anys disponibles (recorda que els dos últims són
provisionals) i la seva variabilitat:
26  10  ...  24  29 262  102  ...  242  292
X  26 sx2   262  237,667  sx  15,416
18 18

De manera que la variació relativa del nombre de grans incendis en aquests 18 anys és:
15,416
CV  X    0,59294
26
En segon lloc es representa en un diagrama de barres la distribució del nombre d’incendis (aquells en els quals
la superfície afectada és de més d’1 hectàrea) per comunitats autònomes. S’ha triat l’any 2012, l’últim del qual
hi ha disponibles dades definitives en el moment d’elaborar aquesta resposta.
Incendis
2012
Ceuta
Total
sinistres Incendis(1) Melilla
TOTAL 15 895 5375 Canàries
Andalusia 888 179
Regió de Múrcia
Aragó 527 138
La Rioja
Astúries, Principat d’ 2220 1017
Balears, Illes 149 38 Illes Balears
Canàries 119 16 País Basc
Cantàbria 728 612 Comunitat de Madrid
Castella i Lleó 2611 1074 Catalunya
CastellaLa Manxa 1134 316
Comunitat Valenciana
Catalunya 730 105
Aragó
Comunitat Valenciana 502 106
Extremadura 1091 319 Andalusia
Galícia 3798 1085 Navarra
Madrid, Comunitat de 391 84 La Manxa
Múrcia, Regió de 128 16
Extremadura
Navarra, Comunitat
598 179 Cantàbria
Foral de
País Basc 176 63 Astúries
Rioja, La 105 28 Castella i Lleó
Ceuta 0 0
Galícia
Melilla 0 0
b) Respecte a la superfície forestal afectada pels incendis, es tenen dades des de 1995 (INE) i es poden dur a
terme diferents tipus d’estudis. A la taula següent es recull la informació disponible de la superfície total
cremada a Espanya i també desglossada segons el tipus de massa forestal afectada (vegetació llenyosa,
arbrat, matoll o herbàcies)
1995 1996 1997 1998 1999 2000 2001 2002 2003

Superfície forestal total 143468 59813,7 98503,2 133643 82217,4 188586 93297,5 107464 148173
Vegetació llenyosa 136921 53039,3 94207 126082 76996,5 170532 75710,8 89007,8 124141
Arbrat 42380,3 10530,9 21326,2 42959,3 24034,3 46138,2 19363,4 25196,9 53673
Matoll (3) 94540,7 42508,4 72880,8 83123,1 52962,2 124394 56347,4 63810,9 70467,8
Herbàcies (pastures i
6546,8 6774,3 4296,1 7560,3 5221 18053,4 17586,8 18456,2 24031,6
deveses)
Percentatge superfície
0,55 0,229 0,378 0,512 0,315 0,723 0,358 0,412 0,568
afectada
2004 2005 2006 2007 2008 2009 2010 2011 (2) 2012 (2)
Superfície forestal total 134193 188698 155363 86112,5 50321,3 119892 54769,9 102161 209855
Vegetació llenyosa 108338 175674 143136 71794,1 41289,7 107696 49464,2 91235,3 198937
Arbrat 51732,2 69396,8 71082,9 29402,6 8443,1 40393,3 10184,9 18847,5 82201,4
Matoll (3) 56606,1 106277 72053,3 42391,6 32846,6 67302,7 39279,3 72387,8 116735
Herbàcies (pastures i
25854,3 13073,6 12226,7 14318,4 9031,6 12195,7 5305,7 10926 10918,6
deveses)
Percentatge superfície
0,515 0,724 0,572 0,333 0,195 0,428 0,198 0,369 0,759
afectada

A la taula s’ha de veure que:

Superfície forestal total  vegetació llenyosa  herbàcies
Vegetació llenyosa  arbrat  matoll
A continuació es representa conjuntament en un diagrama la superfície total i la que correspon a arbrat (part de
vegetació llenyosa):
Superfície afectada pels incendis
Superfície en hectàrees
Total Arbrat
Es pot veure que d’uns anys a uns altres, tant la superfície total afectada com la d’arbrat han patit variacions
notables, des de les 50 321 hectàrees totals de l’any 2008 fins a les més de quatre vegades més de l’any 2012:
209 855 ha (provisional). La superfície d’arbrat també ha variat notablement, en línia amb la total afectada.
A la taula següent es presenten els valors mitjans de superfície cremada des de 1995 fins a 2012 i en els
darrers deu anys juntament amb la seva desviació típica i el seu coeficient de variació:
Mitjana 10 Desviació
Mitjana CV
darrers Desviació típica
total CV total darrers
anys típica total darrers 10
19952012 10 anys
20022012 anys
Superfície forestal total 119807,2 124953,7 45605,82 50368,88 0,3807 0,4031

Vegetació llenyosa 107455,7 111170,5 43752,42 48695,60 0,4072 0,4380
Arbrat 37071,5 43535,8 21596,44 25011,04 0,5826 0,5745
Matoll 70384,2 67634,8 25596,20 25937,31 0,3637 0,3835
Herbàcies (pastures i deveses) 12354,3 13788,2 6185,14 6060,44 0,5006 0,4395
Es pot comprovar que les xifres dels últims 10 anys són en tots els casos més altes que en el total, excepte en
el cas de matoll. També es pot veure que la variabilitat més alta correspon a la superfície arbrada cremada, i la
més baixa, a la superfície total.
c) Els incendis no afecten de la mateixa manera els diferents tipus de superfície. És clar que la superfície de
matoll és la més afectada pels incendis, a causa del fet que també és la que ocupa la major part de la
superfície forestal.
NOTA: els gràfics i resultats presentats només són una petita part de les possibilitats d’anàlisi que es pot fer amb
les dades disponibles.

AUTOAVALUACIÓ

1. Donat el diagrama de barres següent:
a) Classifica la variable.
b) Escriu la taula de freqüències absolutes, relatives i relatives acumulades.
c) Calcula la mitjana, la moda i la mediana.
d) Calcula la variància i la desviació típica.
a) La variable és quantitativa discreta i pren els valors 2, 3, 4, 5 i 6.
b) La taula que es dedueix del diagrama és la següent, amb les freqüències

X fi hi Hi
absolutes (fi), les relatives (hi) i les relatives acumulades (Hi).
2 10 0,11 0,11
3 17 0,19 0,30
4 26 0,29 0,59
5 22 0,24 0,83
6 15 0,17 1
90 1
c) Per calcular els valors d’aquest apartat i del següent, es 2

X fi Fi fixi fixi
construeix la taula amb els valors de la variable, les
freqüències absolutes, les absolutes acumulades i els 2 10 10 20 40
productes necessaris: 3 17 27 51 153
4 26 53 104 416
5 22 75 110 550
6 15 90 90 540
375
De manera que la mitjana aritmètica és X   4,167 . 90 375 1699
90
La moda és Mo  4, ja que és el valor de la variable que més vegades apareix en la mostra.
La mediana és M  4, ja que una vegada ordenades les 90 dades de més petita a més gran, els llocs 45 i 46
estan ocupats pel valor 4.
d) La variància i la desviació típica s’obtenen a partir dels resultats de la taula de l’apartat anterior:
1699
s2   4,1672  1,514  s  1,23
90
2. El nombre de fills de 7 famílies és 1, 1, 2, 2, 2, 6, 7. Calcula la mitjana, la moda i la mediana. Quina de les

tres és més representativa?
1 1 2  2  2  6  7
La mitjana, la moda i la mediana són, respectivament: X   3; Mo  2 i M  2.
7
Sembla clar que, en aquest cas, la més representativa de les tres és la mediana (o la moda), ja que cap de les
famílies té 3 fills. La mitjana és molt sensible a dades extremes.

3. El nombre d’estrangers empadronats en una ciutat, segons el continent de

procedència, ve donat a la taula. Descriu el tipus de variable i representa Continent fi
adequadament les dades. Àfrica 26 990
Amèrica 49 101
Es tracta d’una variable qualitativa. Àsia 5635
Oceania 73
El tipus de gràfic més apropiat és o bé un diagrama de barres o bé un de sectors: Europa 91 000
Estrangers empadronats
Àfrica
Amèrica
Àsia
Oceania
Europa
Amèrica.
Àsia.
Oceania.
Europa.
Àfrica.
4. Una variable estadística X té la distribució de freqüències següent:

Classe [2, 0) [0, 4) [4, 8) [8, 14]
a) Dibuixa l’histograma. fi 8 26 30 30
b) Calcula la mitjana, la moda, la mediana i els quartils.
c) Calcula la variància.
a) S’ha de tenir en compte que les classes tenen diferent

longitud. Prenem com a unitat de base 2; així, la primera
classe “mesura” 1, la segona classe “mesura” 2, la tercera
“mesura” 2 i la quarta “mesura” 3.
b) Per calcular les mesures d’aquest apartat i del següent es construeix la taula:
2
Classe fi Fi xi fixi fixi
[2, 0) 8 8 1 8 8
[0, 4) 26 34 2 52 104
[4, 8) 30 64 6 180 1080
[8, 14) 30 94 11 330 3630
94 554 4822
554
D’aquesta manera, la mitjana aritmètica és X   5,8936 .
94
L’interval modal és [4,8), tal com es pot veure a l’histograma, ja que és el que té la densitat d’observacions més
alta, atès que la seva longitud és 4, mentre que la de l’interval [8, 14) és 6.
El 50 % de 94 és 47, de manera que, observant la columna de les freqüències acumulades, la mediana es

troba en l’interval [4,8), que té longitud 4 i conté 30 observacions. Abans d’aquest interval s’han acumulat 34
observacions. Així, doncs, M  4 
 47  34   4  5,733 .
30

c) La variància s’obté a partir dels resultats de l’última columna de la taula de l’apartat anterior:
4822
s2   5,89362  16,563
94
5. Els dos conjunts de dades següents fan referència a l’alçada (en cm) d’un grup de 20 estudiants i a les
puntuacions obtingudes per un grup de 25 persones en un test psicotècnic.
Alçada (X): 174 178 165 167 182
172 185 178 205 180
157 166 172 190 161
170 178 183 169 176
Puntuació test (Y) 56 86 70 67 68

76 68 45 58 74
68 87 51 27 67
51 30 58 97 70
47 76 57 71 56
a) Determina quin dels dos conjunts de dades presenta variabilitat relativa més gran.
b) Calcula els quartils de tots dos conjunts de dades.
c) Dibuixa el diagrama de caixa de cada distribució de dades i assenyala si hi ha valors extrems.
a) Per poder comparar la variabilitat cal conèixer els coeficients de variació.

En el cas de les alçades, es poden agrupar les dades en intervals d’amplitud 10.
2
Alçada fi Fi xi fixi fixi
[155, 165) 2 2 160 320 51 200
[165, 175) 8 10 170 1360 231 200
[175, 185) 7 17 180 1260 226 800
[185, 195) 2 19 190 380 72 200
[195, 205] 1 20 200 200 40 000
20 3520 621 400
3520
D’aquí es dedueix que la mitjana és: X   176.
20
621 400
La variància i la desviació típica són: s 2   1762  94  s  94  9,695 .
20
9,685
El coeficient de variació és: CVX   0,055 .
176
En el cas de les puntuacions, les dades es poden agrupar en intervals d’amplitud 15.
2
Punts fi Fi yi fiyi fiyi
[25, 40) 2 2 32,5 65 2112,5
[40, 55) 4 6 47,5 190 9025
[55, 70) 10 16 62,5 625 39 062,5
[70, 85) 6 22 77,5 465 36 037,5
[85, 100] 3 25 92,5 277,5 25 668,75
25 1622,5 111 906,25
1622,5
D’aquí es dedueix que la mitjana és: Y   64,9. .
25
111906,25
La variància i la desviació típica són: s 2   1762  264,24  s  264,24  16,26 .
25
16,26
El coeficient de variació és: CVY   0,25 .
64,9
Per tant, les puntuacions del test presenten més variabilitat.

b) Per calcular els quartils i les dades necessàries en l’apartat següent s’opera així:
Alçades
Quartil Q1. El 25 % de 20 és 5, que s’acumula en l’interval [165, 175), de longitud 10 i que conté 8
(5  2)  10
Q1( X )  165   168,75 cm
8
Quartil Q2, la mediana. El 50 % de 20 és 10, que s’acumula en l’interval [165, 175), de longitud 15 i que conté
10 observacions. Abans d’aquest interval es tenen acumulades 2 observacions; així, doncs:
(10  2)  10
M X  Q2( X )  165   175 cm
8
Quartil Q3. El 75 % de 20 és 15, que s’acumula en l’interval [175, 185), de longitud 10 i que conté 7
(15  10)  10
Q3 ( X )  175   182,14 cm
7
El rang interquartílic és RIQx  Q3( X )  Q1( X )  182,14168,75  13,39
D’on es dedueix que els límits inferior i superior són:
LI X  Q1( X )  1,5  RICx  168,75  1,5  13,39  148,66
LSX  Q3 ( X )  1,5  RICx  182,14  1,5  13,39  202,23
Tenim així un valor atípic, que és 205, i queden com a màxim i mínim, respectivament, 190 i 157.
Punts
Q1(Y )  55 
 6,25  6  15  55,375
10
Quartil Q2, la mediana. El 50 % de 25 és 12,5, que s’acumula en l’interval [55, 70), de longitud 15 i que conté
10 observacions. Abans d’aquest interval es tenen acumulades 6 observacions; així, doncs:
(12,5  6)  15
MY  Q2(Y )  55   64,75
10
(18,75  16)  15
Q3 (Y )  70   76,875
6
El rang interquartílic és RIQY  Q3(Y )  Q1(Y )  76,785 55,375  21,5

D’on es dedueix que els límits inferior i superior són:
LIY  Q1(Y )  1,5  RICY  55,375  1,5  21,54  23,125
LSY  Q3 (Y )  1,5  RICY  76,875  1,5  21,5  109,125
Per tant, no hi ha valors atípics.

c) Amb aquests dades, els diagrames de caixa són:
Alçades
Puntuacions

1. En una població de 5200 habitants més grans de 18 anys, 780 són immigrants. Una mostra de 200
persones en què estigui representada la població immigrant ha de constar de:
A. 20 immigrants B. 150 nadius C. 30 immigrants D. 100 nadius
Com que la proporció d’immigrants a la mostra ha de ser igual que en tota la població, ha de ser:
5200 200
  x  30 immigrants hi ha d’haver a la mostra. Resposta C
780 x
2. Les dades recollides d’una variable estadística quantitativa indiquen que Q1  14 , RIQ  9 i que la
distància entre la mediana i Q1 és el doble que entre la mediana i Q3. Aleshores, els valors de la mediana i
de Q3 són:
A. M  17, Q3  20 B. M  20, Q3  23 C. M  23, Q3  20 D. M  19, Q3  23
Per definició, Q3  Q1  RIQ  14  9  23. D’altra banda, l’enunciat afirma que M  Q1  2(Q3  M), d’on es dedueix
que M  20. Resposta B
3. Les observacions d’una variable estadística contínua tenen mitjana 5 i variància 5. Si totes les
observacions es divideixen per 2, la mitjana i la variància noves són:
A. Y  2,5, sY2  1,25 B. Y  1,25, sY2  2,5 C. Y  1,25, sY2  1,25 D. Y  2,5, sY2  2,5
La mitjana es divideix per 2 i la variància per 2  4 (qüestió 44). Resposta A

2
4. El coeficient de variació de la variable X és el triple que el de la variable Y. Si la mitjana de Y és sis vegades

més gran que la de X, aleshores:
A. sY2  6s X2 B. sY2  2s X2 C. sY2  3s X2 D. sY2  4s X2
sX s s 3s
CVX  3CVY   3 Y  X  Y  sY  2s X  sY2  4s X2 Resposta D
X Y X 6X

5. En una distribució, Q3  2Q1 ; aleshores:
A. El rang interquartílic coincideix amb el primer quartil.

B. La mediana és la mitjana aritmètica dels quartils primer i tercer.
C. El límit inferior necessari per calcular el diagrama de caixa és negatiu.
D. La distància entre els límits superior i inferior (del diagrama de caixa) és quatre vegades el primer quartil.
A. Cert. RIQ  Q3  Q1  2Q1  Q1  Q1

Q1  Q3 1  9
B. Fals. Per exemple, en la sèrie 1, 1, 1, 2, 2, 2, 9, 9, 9, 9 és Q1  1; Q3  9; M  2    5.
2 2
C. Cert. LI  Q1  1,5RIQ  Q1  1,5Q1   0,5Q1.
D. Cert. LS  LI  Q3  1,5 RIQ  (Q1  1,5 RIQ)  2Q1  Q1  3 Q1  4Q1 . Resposta A, C i D.

6. Per mesurar la dispersió de les dades al voltant de la mitjana es fa servir:

A. Els percentils de la distribució.
B. La variància o la desviació típica.
C. La desviació absoluta mitjana.
D. El rang o recorregut de la variable.
La dispersió de les dades s’avalua amb les anomenades "mesures de dispersió". De les magnituds donades en
les solucions només els percentils (A) no pertanyen a aquesta categoria Per tant, les respostes correctes són B, C i
D.

7. 1. La mitjana d’un conjunt de dades és 2 i la seva variància 35.
2. El conjunt de dades és heterogeni.
A. 1  2 però 2 1
B. 2  1 però 1 2
C. 1  2
D. No hi ha relació entre 1 i 2.
Si per heterogeni s’entén dispers, aleshores l’afirmació 1 implica que aquest conjunt de dades és bastant
dispers, ja que el seu coeficient de variació té un valor elevat:
sX 35
CV    2,96
X 2
Per tant, 1  2. La relació inversa, 2  1, no és certa, perquè saber que un conjunt de dades és més o menys
dispers no diu res respecte a quins valors concrets poden tenir la seva mitjana i la seva desviació típica.
En resum, la resposta és la A.

SOLUCIONARI UNITAT 11. DISTRIBUCIONS BIDIMENSIONALS
11. Distribucions bidimensionals

EXERCICIS PROPOSATS
1. En una mostra de 8 ciutats, amb la mateixa població aproximadament, s’ha calculat la temperatura mitjana
en graus centígrads (X) i la despesa mitjana anual en calefacció per habitant en euros (Y). Els resultats es
recullen a la taula següent:
Despesa
75 140 20 170 52 90 100 125
mitjana (€)
Temperatura
22 12 24 10 20 18 20 16
mitjana (ºC)
a) Representa gràficament el conjunt de dades.

b) Observes alguna tendència al núvol de punts? De quin tipus?
c) Calcula les mitjanes de la temperatura i de la despesa per habitant a les 8 ciutats i situa-les al gràfic.
d) Quina de les dues variables presenta una variabilitat més gran? Raona la resposta.
calefacció habitant i any (€)
a) b) S’observa que si augmenta la temperatura, disminueix la

despesa en calefacció. La tendència és, per tant,
Y: despesa mitjana
decreixent en Y.
X: Temperatura mitjana anual (ºC)
c) Per als càlculs d’aquest apartat i del següent s’afegeixen a la taula les columnes necessàries:
2 2
Y X Y X Y·X
75 22 5625 484 1650
140 12 19600 144 1680
20 24 400 576 480
170 10 28900 100 1700
52 20 2704 400 1040
90 18 8100 324 1620
100 20 10000 400 2000
125 16 15625 256 2000
SUMA 772 142 90954 2684 12170
772 142
Y   96,6 €; X   17,75 €
8 8
d) S’han de calcular els coeficients de variació de les dues variables.
2684 4,521
s X2   17,752  20,438  sx  4,521 ºC  CV ( X )   0,2547
8 17,75
90 954 45,354
sY2   96,52  2057  sY  45,354 €  CV (Y )   0,47
8 96,5
La despesa mitjana en calefacció per habitant i any té una variabilitat més alta que la temperatura mitjana
anual.

2. La taula de contingència dona la distribució conjunta del gènere (X) i l’hàbit de córrer (Y) d’una mostra de
250 persones.
Y No
Corredor Totals X
X corredor
Home ** 54 107
Dona 62 ** **
Totals Y ** ** 250
a) Copia i completa la taula.

b) Indica el percentatge de no corredors.
c) Quin és el percentatge de dones corredores?
d) Entre els no corredors, quin és el percentatge de dones?
e) Entre els homes, quin és el percentatge de corredors?
f) Quina seria la manera més adequada per representar gràficament aquestes dades?
a)
Y No
Corredor Totals X
X corredor
Home 53 54 107
Dona 62 81 143
Totals Y 115 135 250
135
b) pNC   100  54%
250
62
c) pMC   100  24, 8%
250
81
d) p  M | NC    100  60%
135
53
e) p C | H    100  49, 53%
107
f) El més apropiat seria un diagrama de barres acumulades o un diagrama de sectors, més adequats per a
variables qualitatives.

3. La taula adjunta recull les qualificacions obtingudes per 10 alumnes en la part escrita (X) i en la part oral
(Y) d’un examen d’anglès de l’Escola Oficial d’Idiomes.
X 1,6 7,8 7,1 2,3 5,8 4,2 7,6 9,8 6,4 7,6
Y 2,0 4,0 5,0 5,5 6,0 6,5 7,1 7,6 8,4 9,3
a) Calcula les mitjanes i les variàncies marginals.

b) Representa el núvol de punts.
c) A partir del núvol de punts, comenta la relació entre les variables i la seva tendència.
a) S’amplia la taula amb les columnes necessàries per als càlculs de les mitjanes i les variàncies marginals:
2 2
X Y X Y
1,6 2,0 2,7 4,0
7,8 4,0 61,0 16,0
7,1 5,0 50,8 25,0
2,3 5,5 5,2 30,3
5,8 6,0 33,3 36,0
4,2 6,5 17,3 42,3
7,6 7,1 57,0 50,4
9,8 7,6 95,8 58,2
6,4 8,4 40,8 70,7
7,6 9,3 57,0 85,6
60,1 61,4 421,0 418,4
Així, les mitjanes i les variàncies de la part escrita (X) i l’oral (Y) són:
60,1 421
X   6, 01 sX   6, 01  6, 0235
2 2
10 10
61, 4 418, 4
Y   6,14 sY   6,14  4,1544
2 2
10 10
b) El núvol de punts de la variable estadística bidimensional és:
Y: Qualificació en la
part oral
X: Qualificació en la part escrita
c) La relació és directa: com més alta és la qualificació en la part escrita, més alta és la qualificació en la part oral.
Però la relació no és gaire forta, ja que els punts no se situen a prop d’una línia recta.

4. La taula mostra la puntuació (Y) obtinguda per 1000 persones en funció de la seva edat (X) en un test
d’aritmètica.
Y
0 175 176 225 226 275 276 325 326 500
X
16  35 23 62 163 94 28
36  55 24 55 159 80 22
55 65 33 65 127 53 12
a) Obtén les distribucions marginals.

b) Troba les mitjanes i les variàncies marginals. Utilitza en els càlculs la marca de classe de cada interval.
a) S’amplia la taula amb les files i les columnes de les freqüències marginals de X (fX) i Y (fY). També s’hi han
afegit les files i columnes necessàries per als càlculs de l’apartat b).
Y
0 175 176 225 226 275 276 325 326 500 fxj xj fXjxj fXjxj2
X
25,
16 35 23 62 163 94 28 370 9435 240 592,5
5
36  55 24 55 159 80 22 340 45 15 300 688 500
56 75 33 65 127 53 12 290 65 18 850 1 225 250
fYj 80 182 449 227 62 1000 43 585 2 154 342,5
yj 87,5 200 250 300 412,5
fyjyj 7000 36 400 112 250 68 100 25 575 249 325
fyjyj2 612 500 7 280 000 28 062 500 20 430 000 10 549 687,5 66 934 687,5
b) Les mitjanes i les variàncies marginals s’obtenen a partir de les dades de la taula de la manera següent:
43585 2154342, 5
X   43, 585 anys ; sX   43, 585  254, 690
2 2
1000 1000
249325 66934687, 5
Y   249, 325 anys ; sY   254, 59  4771, 732
2 2
1000 1000
5. Exercici resolt.

6. La distribució de 1163 fumadors segons sexe (X) i grup d’edat de 15 a 54 anys (Y) es recull a la taula
següent.
Y
[15, 24] [25, 34] [35, 44] [45, 54]
X
Homes 112 178 164 172
Dones 105 141 141 150
a) Escriu les distribucions marginals.

b) Troba les distribucions de freqüències relatives de Y condicionades per cada valor de X.
c) Troba la mitjana i la variància de Y | homes.
d) Són dependents aquestes variables?
a) La taula amb les distribucions marginals és:
Y fX
[15, 24] [25, 34] [35, 44] [45, 54]
X j
Homes 112 178 164 172 626

Dones 105 141 141 150 537
fY 217 319 305 322 1163
j
b) Per trobar les marques de classe es pot aplicar el mateix criteri que en l’exercici 4, la mitjana entre l’extrem
superior d’un interval i el superior del següent, en aquest exercici es calcula la mitjana entre els extrems de
l’interval.
X hi|1 hi|2 hi|3 hi|4

112 178 164 172
Homes h1|1  0,1789 h1|2  0, 2843 h1|3  0, 2620 h1|4  0, 2748 1
626 626 626 626
105 141 141 150
Dones h2|1  0,1955 h2|2  0, 2626 h2|3  0, 2626 h2|4  0, 2793 1
537 537 537 537
c) Per calcular la mitjana i la variància de Y|Xhomes, considerem la taula:
Y|X homes [15 , 24] [25 , 34] [35 , 44] [45 , 54]
fj 112 178 164 172 626
f j  Y |X  h 2184 5251 6478 8514 22 427
f j  Y | X  h2 42 588 154 904,5 255 881 421 443 874 816,5
22427 874816, 5
Y |X h   35, 826 anys ; sY | X  h 
2
 35, 826  113, 98
2
626 626
d) La taula de distribucions conjuntes i marginals és:
hij [15, 24] [25, 34] [35, 44] [45, 54] hi

Homes 0,0963 0,1531 0,1410 0,1479 0,5383
Dones 0,0903 0,1212 0,1212 0,1290 0,4617
hj 0,1866 0,2743 0,2622 0,2769 1
Les variables són estadísticament dependents. Es pot comprovar que, per exemple h14 h1·h4
(0,1479  0,5383 · 0,2769 0,1491).
7. Exercici resolt.

8. Un concessionari de cotxes contracta empleats pels als caps de setmana. La taula mostra els cotxes
venuts (Y) i els venedors (X) en una mostra de 8 caps de setmana.
X 6 5 4 4 6 3 5 8
Y 18 20 10 14 15 7 13 21
a) Representa el núvol de punts de la distribució.
b) Escriu l’equació de la recta de regressió de Y sobre X.
c) Calcula la variància residual.
d) Si l’empresa decideix contractar 8 venedors, quants cotxes s’estima que podria vendre?
e) Si contracta 8 venedors, calcula el residu corresponent i valora el resultat obtingut.
a) Es representa el núvol de punts juntament amb la recta de regressió ajustada de Y sobre X que s’obté en
l’apartat b).
b) Per obtenir la recta de regressió de Y sobre X, s’amplia la taula donada amb les columnes que es necessiten
per calcular les mitjanes, les variàncies i la covariància:
2 2
xj yj xj yj xjyj
Y: nre. devehicles venuts

6 18 36 324 108
5 20 25 400 100
4 10 16 100 40
4 14 16 196 56
6 15 36 225 90
3 7 9 49 21
5 13 25 169 65
8 21 64 441 168
X: nre. de venedors contractats
41 118 227 1904 648
Aleshores:
41 227
X   5,125 venedors ; s X   5,125  2,11 ; s X  1, 452 venedors
2 2
8 8
118 1904
Y   14, 75 vehicles ; sY   14, 75  20, 44 ; sY  4, 521 vehicles
2 2
8 8
648
s XY   5,125·14, 75  5, 406
8
Així, el pendent i l’ordenada a l’origen de la recta de regressió són, respectivament:
5, 406
a  14, 75  2, 563  5,125  1, 615 ; b   2, 563
2,11
L’equació de la recta de regressió de Y sobre X és y  1,615 2,563x.
c) La variància residual o error quadràtic mitjà (EQM) és:

   
2 2
s XY 5, 406
EQMY | X  sY  1    20, 44   1  2,11  20, 44   6, 851
2
   
2 2
s X sY
d) Substituint x 8 en l’equació de la recta de regressió obtinguda en l’apartat b), resulta:
y(8) 1,615 2,563 · 8 22,12
S’estima que podria vendre al voltant de 22 cotxes.

e) El residu corresponent s’obté mitjançant la diferència entre el valor observat per x 8, que és 21, i el valor
pronosticat, que és 22,12. Això és 1,12.
La diferència entre el valor observat i l’estimat (pronosticat) és amb prou feines d’1 vehicle, dels més de 20
venuts. Per tant, es pot considerar una bona estimació.

9. La taula recull la temperatura mitjana hivernal (X) en °C en una ciutat de la costa i el nombre de dies (Y) en
els quals el nivell d’ozó va superar les 0,20 ppm (parts per milió) al llarg de 10 anys.
X 16,0 17,2 18,0 17,2 16,9 17,1 18,2 17,3 17,5 16,6
Y 58 82 81 65 61 48 61 43 33 36
a) Dibuixa el diagrama de dispersió.
b) Estima el nombre de dies en què se superarà el nivell d’ozó estàndard (0,20 ppm) si la temperatura mitjana
hivernal és de 16 °C i analitza la precisió de la predicció en funció de l’EQM.
a) El diagrama de dispersió del nombre de dies en què es va superar

el nivell límit d’ozó (Y) en funció de la temperatura mitjana
Y: nre. de dies nivell

d'ozó > 0,30 ppm
estacional (X) es mostra a la dreta.
b) Per dur a terme l’estimació que ens demanen, s’ha d’obtenir la

recta de regressió del nombre de dies (Y) sobre la temperatura
mitjana estacional (X). Per fer-ho, s’amplia la taula de dades amb
les files corresponents per al càlcul dels valors mitjans, les
variàncies i la covariància: X: temperatura mitjana estacional (ºC)
xj 16 17,2 18 17,2 16,9 17,1 18,2 17,3 17,5 16,6 172

yj 58 82 81 65 61 48 61 43 33 36 568
2
xj 256 295,8 324 295,8 285,6 292,4 331,2 299,3 306,3 275,6 2962,04
2
yj 3364 6724 6561 4225 3721 2304 3721 1849 1089 1296 34854
yjxj 928 1410 1458 1118 1031 820,8 1110 743,9 577,5 597,6 9795,3
172 2962, 04
X   17, 2 º C ; sX   17, 2  0, 364
2 2
10 10
568 34854
Y   56, 8 dies ; sY   56, 8  259,16
2 2
10 10
9795, 3
s XY   56, 8  17, 2  2, 57
10
2, 57
Els coeficients de la recta de regressió són: a  56, 8  7, 06  17, 2  64, 64 ; b   7, 06 .
0, 364
La recta de regressió de Y sobre X és: y64,64 7,06x.
Aleshores, si x 16 ºC, s’estima que el nombre de dies en què se superarà el límit d’ozó és:
y 7,06 · 16  64,4 48,33 dies

És a dir, aproximadament entre 48 i 49 dies.
L’error quadràtic mitjà és:
 s   
2 2
2, 57
EQMY | X  sY  1  s s   259,16  1  0, 364  259,16   259,16 1  0, 07   241, 01
2 XY
   
2 2
X Y
L’error quadràtic mitjà és alt i indica que l’ajust de la recta al núvol de punts no és bo.
2
s XY
El coeficient de determinació 2 2
 0,07 i es pot dir que només el 7 % de la variabilitat observada en el
s X sY
nombre de dies en què es va superar el nivell d’ozó de 0,20 ppm s’explica per la temperatura mitjana
estacional.
En definitiva, la relació lineal entre les dues variables és molt feble i, per tant, les prediccions que es puguin
fer amb la recta de regressió estimada a l’apartat anterior no són fiables.

11. L’empresa que distribueix una coneguda marca de refrescos ha pres a l’atzar 10 setmanes de l’any passat,
i ha recollit les dades següents:
X: “temperatura mitjana de cada setmana en ºC”
Y: “unitats de refrescos distribuïdes en milers”
X 10 28 12 31 30 19 24 5 9 15
Y 21 65 19 72 75 39 67 11 12 24
Representa el núvol de punts i calcula els coeficients de determinació i de correlació i interpreta els
resultats.
El diagrama de dispersió o núvol de punts de la distribució es
distribuïdes (milers)
mostra a la dreta.
Y: unitats refresc
X: Qualificació en la part escrita
Afegim les columnes necessàries a la taula per efectuar els càlculs
que ens demanen:
2 2
xj yj xj yj yjxj
10 21 100 441 210
28 65 784 4225 1820 X: temperatura mitjana per setmana
(ºC)
12 19 144 361 228
31 72 961 5184 2232
30 75 900 5625 2250
19 39 361 1521 741
24 67 576 4489 1608
5 11 25 121 55
9 12 81 144 108
15 24 225 576 360
183 405 4157 22 687 9612
183 4157
X   18, 3 º C ; sX   18, 3  80, 81
2 2
10 10
405 22687
Y   40, 5 unitats ; sY   40, 5  628, 45
2 2
10 10
9612
s XY   40, 5  18, 3  220, 05
10
Els coeficients de determinació i correlació són, respectivament:
2 2
s XY 220, 05
R    0, 9535  r  0, 9535  0, 9765
2
80, 81 628, 45

2 2
s X sY
Això indica que un alt percentatge, el 95,35 %, de la variabilitat observada en la venda de refrescos s’explica per la
variabilitat de la temperatura.
El valor del coeficient de correlació, r  0,9765, indica que la relació entre la temperatura mitjana setmanal i les
unitats de refrescos venudes és lineal i directa i amb un nivell de fiabilitat elevat (correlació alta, propera a 1).

13. Les dades de la taula següent es refereixen a una mostra de 10 habitatges en els quals s’ha observat el
nombre d’habitacions (X) i el de persones que viuen a l’habitatge (Y).
X 2 2 3 3 4 4 4 4 5 5
Y 1 2 2 3 2 4 5 6 4 6
a) Calcula la recta de regressió de Y sobre X.
b) Calcula els coeficients de determinació i de correlació, i valora l’ajust de la recta al núvol de punts.
c) Quin és el percentatge de la variabilitat del nombre d’habitants per habitatge explicat pel nombre d’habitacions?
d) Quin és el nombre estimat de persones que viuen en un habitatge de 3 habitacions?
a) Amb l’ajuda de les dades de la taula següent, es calculen les mitjanes, 2 2

les variàncies i la covariància de les dues variables: xi yj xi yj xiyj
2 1 4 1 2
36 140 2 2 4 4 4
X   3, 6 habitacions/habitatge ; s X   3, 6  1, 04
2 2
3 2 9 4 6
10 10
3 3 9 9 9
35 151 4 2 16 4 8
Y   3, 5 persones/habitatge ; sY   3, 5  2, 85
2 2
10 10 4 4 16 16 16
4 5 16 25 20
139 4 6 16 36 24
s XY   3, 5  3, 6  1, 3
10 5 4 25 16 20
El pendent i l’ordenada a l’origen de la recta de regressió són, 5 6 25 36 30
respectivament: 36 35 140 151 139
1, 3
b  1, 25 ; a  3, 5  1, 25  3, 6   1
1, 04
Així, doncs, l’equació de la recta de regressió del nombre de persones que habiten un habitatge (Y) sobre el
nombre d’habitacions (X) és: y 1 1,25x.
Y: nre. de persones que
b) La representació gràfica de la recta de regressió estimada sobre

viuen a l'habitatge
la distribució de dades es mostra a la dreta.
A partir dels càlculs efectuats en l’apartat anterior, s’obtenen els

coeficients de determinació i de correlació:
1,32
R2   0,5702  r  0,5702  0,7551
1,04  2,85
L’ajust de la recta de regressió al núvol de punts és raonablement
acceptable a la vista de la representació gràfica i del valor del X: nre. d'habitacions habitatge
coeficient de correlació lineal.
c) El 57,02 % de la variabilitat observada en el nombre de persones (Y) que habiten en un habitatge s’explica pel
nombre d’habitacions (X) que té.
d) y(3) 1 1,25 · 3 2,75 persones.
14. La mitjana de les qualificacions globals (Y) obtingudes per 10 alumnes va ser de 6,8 punts i les seves
hores d’estudi setmanals (X) sumen 120. Se sap que el coeficient de correlació és 0,8 i que les desviacions
típiques de X i Y coincideixen. Amb aquestes dades, pots estimar la qualificació d’un alumne que ha
estudiat 10 hores setmanals?
120
Sabem que: X   12 ; Y  6, 8 .
10
El pendent i l’ordenada a l’origen de la recta de regressió són:
sY
br  0, 8  1  0, 8 ; a  Y  b  X  6, 8  0, 8  12  2, 8 , i la recta de regressió és: y2,8 0,8x.
sX
y(10) 2,8 0,8 · 10 5,2 punts. Es tracta d’un valor fiable, ja que es troba dins del rang de valors empírics i el
coeficient de correlació és alt (0,8).

15. Les dades de la taula següent es refereixen a una mostra de 8 parelles germà-germana adultes, en les
quals s’ha observat les alçades de l’home (Y) i de la dona (X) en centímetres.
X 164 162 167 168 167 152 160 170

Y 172 171 178 183 166 164 180 169
a) Representa el núvol de punts.

b) Escriu la recta de regressió de Y sobre X.
c) Calcula els coeficients de determinació i de correlació, i valora l’ajust de la recta al núvol de punts.
d) Quin és el percentatge de la variabilitat de l’alçada de les dones explicada per l’alçada dels homes?
e) Quina és l’alçada estimada d’un home, si la seva germana mesura 165 cm?
f) Quina és l’alçada estimada d’una dona si el seu germà mesura 175 cm?
a) La gràfica de dispersió de la distribució i la recta de regressió

calculada en l’apartat següent es mostren a la dreta.
b) Els càlculs necessaris per obtenir la recta de regressió de Y
Y: alçada home
(alçada homes) sobre X (alçada dones) són:
2 2
xj yj xj yj yjxj
164 172 26 896 29 584 28 208
162 171 26 244 29 241 27 702
167 178 27 889 31 684 29 726 X: alçada dona
168 183 28 224 33 489 30 744
167 166 27 889 27 556 27 722
152 164 23 104 26 896 24 928
160 180 25 600 32 400 28 800
170 169 28 900 28 561 28 730
1310 1383 214 746 239 411 226 560
1310 214746
X   163, 75 cm ; s X   163, 75  29,1875
2 2
8 8
1383 239411
Y   172, 875cm ; sY   172, 875  40, 6094
2 2
8 8
226560
s XY   172, 875  163, 75  11, 7188
8
s XY 11, 7188
b 2
  0, 4015 ; a  Y  b  X  172, 875  0, 4015  163, 75  107,13
sX 29,1875
Per tant, l’equació de la recta de regressió és: y 107,13 0,4015x.

2 2
s XY 11, 7188
c) R    0,1159  r  0,1159  0, 3404
2
29,1875  40, 60094

2 2
s X sY
El valor r  0,3404 indica que la relació lineal entre les dues variables és feble, tal com es pot observar en el
gràfic de l’apartat a).
d) La simetria dels càlculs indica que només un 11,59 % de la variabilitat de l’alçada de les dones s’explica per la
variabilitat de l’alçada dels seus germans.
e) y(165) 107,13 0,4015 · 165 173,38 cm
f) Se substitueix el valor esperat y 175 en l’equació de la recta de regressió de Y sobre X i s’aïlla el valor de x:
175  107,13  0, 4015  x  x  169,04 cm


17. Exercici resolt
18. Galton (1877) va analitzar la relació entre el diàmetre dels pèsols (X) i el diàmetre mitjà dels seus
descendents (Y) (dades en centèsimes de polzada):
X 21 20 19 18 17 16 15
Y 17,26 17,07 16,37 16,4 16,13 16,17 15,98

b) Escriu la recta de regressió de Y sobre X. Quines conclusions se’n poden extreure?
c) Si un pèsol té 4,5 mil·límetres de diàmetre (0,177 polzades), quin serà el diàmetre esperat dels seus
descendents? És fiable aquesta predicció?
a) En el gràfic s’ha representat el núvol de punts
(centèsimes de polzada)
Y: diàmetre mitjà dels
juntament amb la recta de regressió de Y
seus descendents
sobre X ajustada a l’apartat següent.
X: diàmetre dels pèsols (centèsimes de polzada)

escrita
b) Es completa la taula per calcular els coeficients de la recta de regressió de Y sobre X:

2 2
X Y xi yi xiyi
21 17,26 441 297,908 362,46 126 2296
x 18 sx2   182  4
20 17,07 400 291,385 341,4 7 7
19 16,37 361 267,977 311,03 115,38 1903,236
18 16,4 324 268,960 295,2 y  16,48 sy2   16,482  0,2062
7 7
17 16,13 289 260,177 274,21
2082,72
16 16,17 256 261,469 258,72 sxy   18  16,48  0,84
7
15 15,98 225 255,360 239,7
126 115,38 2296 1903,236 2082,72
Per tant, la recta de regressió del diàmetre mitjà dels descendents (Y) respecte al diàmetre dels seus
predecessors (X) és:
0,84
y  16,48   x  18  y  12,703,021x
4
A la vista de les dades i dels càlculs realitzats es poden extreure, entre d’altres, aquestes conclusions:
 El diàmetre mitjà dels pèsols en què els predecessors són més “grans” és més petit que el d’aquests,
mentre que el d’aquells que tenen predecessors més “petits”, és més gran (regressió a la mitjana).
 Com més gran és la mida dels pèsols, més gran és la mida mitjana dels seus descendents.
 La variabilitat observada en la mida mitjana dels descendents és molt més baixa que la dels seus
predecessors.
 Per cada centèsima d’augment en la mida del pèsol de sembra, augmenta 0,21 centèsimes la mida mitjana
dels seus descendents.

c) En aquest cas, amb els resultats obtinguts en l’apartat b), es pot obtenir el coeficient de correlació:
0,84
r   0,9249 . Que confirma el nivell de correlació alt entre el diàmetre dels pèsols sembrats i el
4  0,2062
diàmetre mitjà dels seus descendents. Així, es poden fer prediccions sobre la mida mitjana dels descendents
per diàmetres de pèsols en el rang de valors de la taula, com és el cas de x  17,7 centèsimes de polzada.
y  12,703,021 17,7
És a dir, la mida mitjana esperada per als descendents d’un predecessor de 0,177 polzades és de 0,1642
polzades.
EXERCICIS
Variables bidimensionals: núvol de punts i distribucions marginals
25. A la taula es donen els ingressos nets en milers d’euros (X) i la despesa en euros en roba i calçat (Y) de 10
famílies durant el mes de juliol.
X 1,2 2,2 0,9 1,5 1,8 1,4 1,0 2,0 2,5 1,6
Y 220 300 140 250 290 250 180 310 350 160
a) Representa el núvol de punts i comenta quina és la tendència observada en la relació entre les dues variables.
b) Calcula les mitjanes i les variàncies marginals.
Y: despesa roba i calçat (€)
a) El diagrama de dispersió o núvol de punts de la distribució

conjunta de X i Y es mostra a la dreta.
b) 2 2
xi yj xi yj
X: ingressos nets (milers de €)
1,2 220 1,44 48 400
2,2 300 4,84 90 000
0,9 140 0,81 19 600
1,5 250 2,25 62 500
1,8 290 3,24 84 100
1,4 250 1,96 62 500 Així, la mitjana i la variància de cada una de les variables és:
1 180 1 32 400 16,1 28, 35
X   1, 61milers d'euros ; s X   1, 61  0, 2429
2 2
2 310 4 96 100
2,5 350 6,25 122 500 10 10
1,6 160 2,56 25 600 2450 643700
Y   245 euros ; sY   245  4345
2 2
16,1 2450 28,35 643 700 10 10

26. La taula mostra el nombre de fills (Y) que tenen 50 dones en funció de la seva edat (X).
Y
0 1 2 3 Total Y
X
20  25 7 2 1 ** 10
26  30 ** 5 3 ** **
3135 3 ** 7 2 **
3640 1 1 ** 2 **
Total X 16 ** 14 6 50

b) Obtén les distribucions marginals i les seves mitjanes i variàncies.
c) Escriu la distribució del nombre de fills si la mare està entre els 30 i els 35 anys. Calcula’n la mitjana i la
variància.
a) Es completa la taula amb les dades que hi falten (en negreta).
Y
0 1 2 3 Total Y
X
20  25 7 2 1 0 10
26  30 5 5 3 2 15
3135 3 6 7 2 18
3640 1 1 3 2 7
Total X 16 14 14 6 50
b) Les distribucions marginals es poden veure a l’última fila (Y) i a l’última columna (X) de la taula de l’apartat
anterior; tanmateix, es poden escriure:
X fX Y fY
20  25 10 0 16
26  30 15 1 14
31 35 18 2 14
36 40 7 3 6
Completant les taules anteriors amb les columnes necessàries i la fila de les sumes tenim:
2 2
Classes fj xj fj·xj fj·xj yj fj fj·yj fj·yj
20  25 10 23 230 5290 0 16 0 0
26  30 15 28 420 11 760 1 14 14 14
31 35 18 33 594 19 602 2 14 28 56
36 40 7 38 266 10 108 3 6 18 54,0
50 1510 46 760 50 60 124
Aleshores, les mitjanes i les variàncies marginals són:

1510 46760
X   30, 2 anys; s X   30, 2  23,16
2 2
50 50
60 124
Y   1, 2 fills; sY   1, 2  1, 04
2 2
50 50
c) En el cas que la mare tingui entre 31 i 35 anys, la taula ampliada és:
Y 0 1 2 3 Total Y|X [31, 35]

X [31,35] 3 6 7 2 18
fj · Yj|X [31, 35] 0 6 14 6 26
2
fj · Y j|X [31, 35] 0 6 28 18 52
26 52
Y |X  [31,35]   1, 44 fills ; sY | X  [1,35 ] 
2
 1, 44  0, 8025
2
18 18

27. El nombre d’unitats produïdes al mes en milers (X) per una empresa i el nombre d’unitats defectuoses (Y)
en 6 mesos és:
X 0,5 1,2 1,6 2,5 3,3 5,1

Y 10 20 25 35 40 50
a) Representa gràficament les dades.
b) Calcula la mitjana i la variància de les distribucions marginals de Y i X.
c) Es pot afirmar que el núvol de punts pot ajustar-se per una recta? Justifica la resposta.
a) El núvol de punts de la distribució conjunta es mostra a la dreta.

b)
Y: Unitats defectuoses al
2 2
xj yj xj yj
mes (en centenes)

0,5 10 0,25 100
1,2 20 1,44 400
part oral
1,6 25 2,56 625
2,5 35 6,25 1225
3,3 40 10,89 1600
5,1 50 26,01 2500
14,2 180 47,4 6450
X: Unitats produïdes al mes
14, 2 47, 4 (milers)
X   2, 367 milers d'unitats/mes ; s X   2, 367  2, 2989
2 2
6 6
180 6450
Y   30 defectuoses/mes sY   30  175
2 2
;
6 6
c) A la vista del diagrama de dispersió, sembla clar que el nombre d’unitats defectuoses (Y) augmenta amb
l’augment de la producció (X) i que aquesta relació és aproximadament lineal. Per això es pot afirmar que la
recta de regressió de Y sobre X serà un bon ajust lineal al núvol de punts de la distribució.
Covariància, regressió lineal i correlació

28. De les 100 observacions de la distribució conjunta de la variable bidimensional (X,Y) s’obté la informació
següent:
 Les mitjanes mostrals de X i Y són 0,9 i 1,2 respectivament.
 Les variàncies mostrals de X i Y són 10,09 i 13,96 respectivament.
 La covariància és 8,12.
Amb aquestes dades:
a) Calcula el coeficient de correlació lineal i raona si és correcte un ajust lineal entre les dues variables.
b) Calcula l’error quadràtic mitjà de l’ajust lineal.
c) Escriu la recta de regressió de Y sobre X i estima el valor esperat de Y quan la variable X pren el valor 1.
2 2
s XY 8,12
a) R    0, 4333  r  0, 4333  0, 6583
2
10, 09  13, 96
2 2
s X sY
Amb prou feines el 43,3 % de la variabilitat de Y s’explica per la variabilitat de X, i això dona lloc a un coeficient
de correlació de 0,6583. Es pot ajustar una recta de regressió entre X i Y, amb precaucions si s’utilitza la recta
per fer prediccions d’una variable en funció dels valors de l’altra, valorant l’error comès en el valor estimat.
b) EQM  sY (1  R )  13, 96  (1  0, 4333)  7, 911
2 2
c) El pendent i l’ordenada a l’origen de la recta de regressió de Y sobre X són, respectivament:

s XY 8,12
b 2
  0, 745 ; a  Y  b ·X  1, 2  0, 745  0, 9  0, 53
sX 10, 9
La recta de regressió de Y sobre X és: y0,53 0,745x
I si x 1, el valor esperat de y és: y(1) 0,53 0,745·1 1,275

29. En una determinada regió vinícola s’han avaluat les pèrdues en centenars de milers d’euros (Y) en la
producció en funció del nombre de dies de pluja (X) de la campanya.
X 87 80 77 75 63 71 76 74
Y 19,5 18,5 14,6 15,5 12,7 14 18,1 15
a) A la vista de la representació gràfica, es pot afirmar que hi ha una relació lineal?

b) Calcula el coeficient de correlació. Es confirma la impressió anterior?
c) Escriu l’equació de la recta de regressió de Y sobre X.
d) A quant pujaran les pèrdues un any en què hi ha hagut 83 dies de pluja?
e) Troba l’error quadràtic mitjà i interpreta’n el resultat.
Y: Pèrdues en centenars
a) El diagrama de dispersió es mostra a la dreta (cal fixar-se en
l’escala dels eixos).
de milers de €
A la vista del núvol de punts es pot afirmar que hi ha una relació
lineal estadística entre les variables X i Y.
b) 2 2
xj yj xj yj xjyj
87 19,5 7569 380,25 1696,5
80 18,5 6400 342,25 1480
X: nre. de dies de pluja
77 14,6 5929 213,16 1124,2
75 15,5 5625 240,25 1162,5
63 12,7 3969 161,29 800,1
71 14 5041 196 994
76 18,1 5776 327,61 1375,6
74 15 5476 225 1110
603 127,9 45785 2085,81 9742,9
603 45785
X   75, 375 dies de pluja ; sX   75375  41, 7344
2 2
8 8
127, 9 2085, 81
Y   15, 9875 centenars de milers d'euros ; sY   15, 9875  5,1261
2 2
8 8
9742, 9
s XY   73, 375  15, 9875  12, 8047
8
12, 8047
El coeficient de correlació és: r   0, 8754 , que confirma la impressió
X: nre. de de l’apartat a),
dies de pluja
41, 7344  5,1261
respecte a la relació lineal entre les variables X i Y.
c) El pendent i l’ordenada a l’origen de la recta de regressió de Y sobre X són, respectivament:

12, 8047
b  0, 3044 ; a  15, 9875  0, 3068  75, 375   7,1386
41, 7344
De manera que la recta de regressió lineal de Y sobre X és: y7,1386 0,3068x
d) Es calculen les pèrdues esperades substituint x 83 en l’equació de la recta de regressió de Y sobre X:
y(83) 7,1386 0,3068 · 83 18,3258 centenars de milers d’euros
e) L’EQM de la recta de regressió de Y sobre X és: EQM  5,1261 (1  0,8754 )  1,1974

2
Que és la mitjana dels quadrats dels residus (distància de cada valor observat a cada valor predit per la recta
de regressió) i que, en aquest cas, és petit, a causa del bon ajust de la recta de regressió a la distribució
conjunta.

30. En un estudi de rendiment d’automòbils, s’analitza la relació entre la potència del motor en CV (X) i els
quilòmetres recorreguts per litre de combustible (Y). S’han recollit dades de 10 vehicles:
X 170 90 110 75 109 129 215 180 220 160

Y 17,0 20,1 21,5 30,4 21,5 17,8 14,9 16,6 13,3 16,5
a) Representa gràficament les dades i explica raonadament si hi ha relació entre les variables i, en cas afirmatiu,
de quin tipus és.
b) Quantifica la relació entre la potència del motor i els quilòmetres recorreguts i explica, justificadament, el
resultat obtingut.
c) Escriu l’equació de la recta de regressió que explica els quilòmetres recorreguts en funció de la potència del
motor. Ajusta bé la recta al núvol de punts?
a) El diagrama de dispersió de la distribució conjunta de les
Y: km recorreguts per
litre de combustible
dades es mostra a la dreta.
Sembla que hi ha una bona relació lineal entre les variables i

que és de tendència decreixent: com més potència del motor,
menys quilòmetres recorre el vehicle per litre de combustible.
b) 2 2
xj yj xj yj xjyj
170 17,0 28 900 289 2890 X: potència del motor (en CV)
90 20,1 8100 404,01 1809
110 21,5 12 100 462,25 2365
75 30,4 5625 924,16 2280
109 21,5 11 881 462,25 2343,5
129 17,8 16 641 316,84 2296,2
215 14,9 46 225 222,01 3201,35
180 16,6 32 400 275,56 2986,2
220 13,3 48 400 176,89 2919,4
160 16,5 25 600 272,25 2640
1458,0 189,6 235 872,0 3805,22 25 730,7
1458 2 235 872 2

X   145, 8 CV ; sx   145, 8  2329, 56
10 10
189, 6 3805, 22
Y   18, 96 km/L sY   18, 96  21, 04
2 2
;
10 10
25 730, 7
s XY   18, 96  145, 8   190, 574
10
( 190, 574)
2
R   0, 7410  r   0, 7393  0, 8608

2
21, 04  2329, 56
És a dir, el 73,93 % de la variabilitat observada en els quilòmetres recorreguts per litre de combustible s’explica
per la potència del motor.
c) El pendent i l’ordenada a l’origen de la recta de regressió de Y (km recorreguts) sobre X (potència del motor)
són, respectivament:
190, 754
b  0, 082 a  18, 96  0, 082  145, 8  30, 882
2329, 54
La recta de regressió que es demana és: y30,882 0,082x
El coeficient de correlació obtingut en l’apartat anterior indica un nivell alt de correlació lineal inversa entre les
dues variables.

31. La taula mostra el número de calçat (Y) i el pes en quilograms (X) de 8 nois escollits a l’atzar en un centre
educatiu.
Y 39 40 41 41 42 42 43 44
X 55 65 60 70 65 75 65 85
a) Dibuixa el núvol de punts.

b) Calcula els coeficients de determinació i correlació
c) Valora la relació lineal que explica el número del calçat en funció del pes.
a) El núvol de punts o diagrama de dispersió es mostra a la

dreta (cal fixar-se en l’escala dels eixos).
Y: número de calçat
b)
2 2
xj yj xj yj xjyj
55 39 3025 1521 2145
65 40 4225 1600 2600
60 41 3600 1681 2460
X: pes en kg
70 41 4900 1681 2870
65 42 4225 1764 2730
75 42 5625 1764 3150
65 43 4225 1849 2795
85 44 7225 1936 3740
540 332 37 050 13 796 22 490
540 37050
X   67, 5 kg ; sX   67, 5  75
2 2
8 8
332 13796
Y   41, 5 ; sY   41, 5  2, 25
2 2
8 8
22490
s XY   41, 5  67, 5  10
8
2
10
R   0, 5926  r  0, 5926  0, 7698
2
2, 25  75
c) Dels resultats de l’apartat anterior s’infereix que el 59,26 % de la variabilitat de les dades observades en el
número de calçat s’explica per la variabilitat en el pes dels individus.
Això implica una correlació positiva entre el pes i el número de calçat, la intensitat de la qual es mesura pel
coeficient de correlació lineal r 0,7698; que es pot considerar mitjàalt.
En conclusió, s’observa una relació lineal moderadaalta entre el pes (X) i el número de calçat.

32. La taula següent recull el diàmetre en cm (Y) del tronc d’una determinada espècie d’arbre en 5 anys (X)
consecutius.
X 1 2 3 4 5
Y 6,5 7,5 7,9 8,3 9,1
a) Dibuixa el diagrama de dispersió i descriu la tendència que hi observes.

b) Escriu la recta de regressió de Y sobre X i estima el diàmetre del tronc d’un arbre en el sisè any. Observa que
l’estimació és bona per la proximitat d’aquest valor al rang.
c) Quin percentatge de la variabilitat observada en el diàmetre s’explica per la variabilitat en X?
d) Troba l’error quadràtic mitjà i interpreta’n el resultat.
a) El diagrama de dispersió o núvol de punts de la distribució

bidimensional es mostra a la dreta.
Y: diàmetre del
tronc (en cm)
S’observa amb claredat una tendència creixent amb una
associació lineal forta entre les dues variables.
b) xj yj
2
xj
2
yj xjyj
1 6,5 1 42,25 6,5
2 7,5 4 56,25 15,0
3 7,9 9 62,41 23,7 X: anys
4 8,3 16 68,89 33,2
5 9,1 25 82,81 45,5
15 39,3 55 312,61 123,9
15 55
X   3 anys sX  3  2
2 2
;
5 5
39, 3 312, 61
Y   7, 86 cm ; sY   7, 86  0, 7424
2 2
5 5
123, 9
s XY   7, 86  3  1, 20
5
Els coeficients de la recta de regressió són:
1, 20
b  0, 6 ; a  7, 86  0, 6  3  7, 06
2
I la recta de regressió té per equació: y7,06 0,6x.
Es calcula el diàmetre esperat substituint el valor x 6 en l’equació: Y(6) 7,06 0,6 · 6 10,66 cm.
c) Els coeficients de determinació i de correlació són:

2 2
s XY 1, 2
R    0, 9698  r  0, 9698  0, 9848
2
0, 7424  2
2 2
sY s X
És a dir, el 96,98 % de la variabilitat observada en el diàmetre del tronc dels arbres s’explica per l’edat de
l’arbre. Un percentatge molt alt, que confirma la forta relació observada entre les dues variables.
d) Finalment, l’error quadràtic mitjà vindrà donat per:
EQM  sY 1  R
2
 2
  0, 7424  1  0, 9698   0, 0224
El seu valor baix indica un bon ajust de la recta al núvol de punts.

33. El nombre de partits guanyats per 8 equips de futbol (Y) i el nombre de gols rebuts per cadascun d’aquests
(X) es recull en la taula següent.
X 32 22 21 27 23 35 35 21
Y 8 15 12 21 17 9 11 12
a) Representa el núvol de punts i comenta la tendència que hi observes justificant-ne la resposta.

b) Calcula el coeficient de correlació i interpreta’n el resultat.
a) El núvol de punts o diagrama de dispersió es mostra a la dreta.

Sembla una tendència decreixent: a mesura que augmenta el
Y: nre. de partits
nombre de gols encaixats (X) disminueix el nombre de partits
guanyats
guanyats (Y), si bé la relació que s’observa és feble. El núvol
està clarament dividit en dos grups i, si se separessin, les
conclusions no serien les mateixes que amb el conjunt total.
b) 2 2
xj yj xj yj xjyj
32 8 1024 64 256
22 15 484 225 330 X: nre. de gols encaixats part
escrita
21 12 441 144 252
27 21 729 441 567
23 17 529 289 391
35 9 1225 81 315
35 11 1225 121 385
21 12 441 144 252
216 105 6098 1509 2748
216 6098
X   27 gols encaixats sX   27  33, 25
2 2
;
8 8
105 1509
Y   13,125 partits guanyats sY   13,125  16, 3594
2 2
;
8 8
2748
s XY   13,125  27  10, 875
8
El coeficient de correlació és:
10, 875
r   0, 4663
16, 3594  33, 25
Que confirma la relació negativa (quan X creix, Y decreix) entre X i Y, si bé es tracta d’una relació lineal feble.

34. La taula següent mostra l’edat, en mesos (X) i l’alçada en cm (Y) d’una mostra de 10 nens presa en una
escola.
X 126 132 116 140 115 135 141 137 119 121
Y 149 148 141 160 137 149 160 151 133 135
a) Representa el núvol de punts.

b) Troba la recta de regressió de l’alçada en funció de l’edat.
c) Calcula i interpreta l’error quadràtic mitjà.
d) Raona si la recta de regressió obtinguda a b) representa adequadament les dades.
e) Quina seria l’alçada d’un nen de 12 mesos?
a) En el diagrama de dispersió d’aquesta distribució
Y: añçada dels nens (en cm)

bidimensional es pot observar una tendència creixent que
es pot ajustar raonablement per una recta.
b) xj yj xj
2
yj
2
xjyj
126 149 15 876 22 201 18 774
132 148 17 424 21 904 19 536
116 141 13 456 19 881 16 356
140 160 19 600 25 600 22 400
X: edat dels nens (en mesos)
115 137 13 225 18 769 15 755
135 149 18 225 22 201 20 115
141 160 19 881 25 600 22 560
137 151 18 769 22 801 20 687
119 133 14 161 17 689 15 827
121 135 14 641 18 225 16 335
1282 1463 165 258 214 871 188 345
1282 165258
X   128, 2 mesos ; s X   128, 2  90, 56
2 2
10 10
1463 214871
Y   146, 3 cm ; sY   146, 3  83, 41
2 2
10 10
188345
s XY   146, 3  128, 2  78, 84
10
Els coeficients de la recta de regressió de Y sobre X:
s XY 78, 84
b 2
  0, 8709 ; a  Y  b X  146, 3  0, 8709  128, 2  34, 6913
sX 90, 56
De manera que la recta de regressió de l’alçada (cm) sobre l’edat (mesos) és: y34,69 0,87x.
c) L’error quadràtic mitjà de la regressió lineal de Y sobre X ve donat per:
   
2 2
s XY 78, 84
ECM  sY  1    83, 41 1  83, 41 90, 56   14, 7732
2
   
2 2
sY s X
d) Els coeficients de determinació i de correlació lineal són:

2 2
s XY 78, 84
R    0, 8228  r  0, 8228  0, 9071
2
83, 41 90, 56

2 2
sY s X
Un percentatge alt (82,28 %) de la variabilitat de l’alçada dels nens s’explica per la seva edat, i això suposa un
coeficient de correlació lineal superior a 0,9. Per tant, es pot afirmar que la recta de regressió s’ajusta bastant
bé al núvol de punts i representa adequadament les dades.

e) El valor x  12 mesos no es troba dins el rang de valors observats de l’edat, sinó que n’està molt allunyat, i per
això no es pot fer predicció de l’alçada corresponent a aquest valor amb la recta de regressió obtinguda a
l’apartat b).
35. Com a part d’un estudi sociològic, en un barri d’una gran ciutat, es van recollir en una mostra de 8 llars els
percentatges del pressupost familiar dedicats a despeses d’allotjament (X) i d’oci (Y).
X 13 15 19 24 14 17 21 17
Y 20 18 16 15 20 17 15 18
a) Determina la recta de regressió de Y sobre X.

b) Calcula l’EQM i el coeficient de correlació, i interpreta’n els resultats.
c) Si se sap que en una llar la despesa d’allotjament és del 18 %, quin seria el percentatge esperat de despesa en
oci? Raona la fiabilitat de la predicció.
a) Per obtenir la recta de regressió es construeix la taula següent:

2 2
xj yj xj yj xjyj
13 20 169 400 260
15 18 225 324 270
19 16 361 256 304
24 15 576 225 360
14 20 196 400 280
17 17 289 289 289
21 15 441 225 315
17 18 289 324 306
140 139 2546 2443 2384
140 2546
X   17, 5 % en allotjament sX   17, 5  12
2 2
;
8 8
139 2443
Y   17, 375 % en oci sY   17, 375  3, 484
2 2
;
8 8
2384
s XY   17, 5  17, 375  6, 0625
8
Els coeficients de la recta de regressió de Y sobre X són:
s XY 6, 0625
b 2
  0, 5052 ; a  Y  b X  17, 375  0, 5052  17, 5  26, 2161
sX 12
De manera que la recta de regressió de l’alçada (cm) sobre l’edat (mesos) ve donada per:
y18,924 0,0885x.
b) L’error quadràtic mitjà de la regressió lineal de Y sobre X ve donat per:
   ( 6, 0625) 
2 2
s XY
EQM  sY  1    3, 484  1  12  3, 484   0, 4212
2
   
2 2
sY s X
Els coeficients de determinació i de correlació lineal són:
( 6, 0625)
2 2
s XY
R    0, 8791  r   0, 0270  0, 9373
2
12  3, 484
2 2
sY s X
Un percentatge alt (87,91 %) de la variabilitat de la despesa en oci s’explica per la despesa en allotjament, i
això suposa un coeficient de correlació lineal inversa superior a 0,9. Per tant, es pot afirmar que la recta de
regressió s’ajusta bastant bé al núvol de punts i representa adequadament les dades.
c) La despesa esperada en oci es calcula substituint el valor x 18 % en l’equació de la recta:
y(18) 18,924 0,0885·18 17,331 % de despesa esperada en oci
Segons el que s’ha exposat a l’apartat anterior, es tracta d’una estimació altament fiable.

36. En un control per prevenir la hipertensió en homes joves, se n’escull una mostra de 8 amb edats
compreses entre 25 i 30 anys, i se’ls mesura el pes en kg (X) i la pressió sistòlica en mm de Hg (Y).
X 74,8 81,6 70,3 95,3 67,6 78,2 76,2 88,5

Y 130 150 128 140 125 153 132 163

b) Justifica, a la vista del núvol de punts, que és raonable ajustar una recta de regressió de Y sobre X, i calcula’n
els coeficients de determinació i de correlació.
c) Escriu l’equació de la recta de regressió de Y sobre X.
d) Quina és la pressió sistòlica que s’estima que pugui tenir un jove amb 80 kg de pes?
a) El núvol de punts de la distribució bidimensional juntament amb la
Y: pressió arterial sistòlica

recta de regressió ajustada en l’apartat c) es mostra a la dreta:
b) A la vista del núvol de punts, i de la tendència creixent
observada, es podrà ajustar una recta de regressió, si bé l’ajust
no és gaire bo, sobretot a causa de l’observació (95,3; 140).
2 2
xj yj xj yj xjyj
74,8 130 5595,04 16 900 9724,0
81,6 150 6658,56 22 500 12 240,0
X: pes en kg
70,3 128 4942,09 16 384 8998,4
95,3 140 9082,09 19 600 13 342,0
67,6 125 4569,76 15 625 8450,0
78,2 153 6115,24 23 409 11 964,6
76,2 132 5806,44 17 424 10 058,4
88,5 163 7832,25 26 569 14 425,5
632,5 1121 50 601,47 158 411 89 202,9
632, 5 1121
X   79, 063 kg ;Y   140,125
8 8
50601, 47 158411
sX   79, 063  74, 3048 ; sY   140,125  166, 3594
2 2 2 2
8 8
89202, 9
s XY   140,125  79, 063  71, 7297
8
Els coeficients de determinació i correlació són:

2 2
s XY 71, 7297
R    0, 4162  r  0, 4162  0, 6452
2
166, 3594  74, 3048

2 2
sY sY
que confirmen una relació lineal positiva (tendència creixent), tot i que només moderada.
c) Amb els resultats obtinguts en l’apartat anterior, es poden obtenir els coeficients de la recta de regressió de Y
(pressió arterial) sobre X (pes en kg).
s XY 71, 7297
b 2
  0, 9653 ; a  140,125  0, 9653  79, 0625  63, 8025
sX 74, 3048
L’equació de la recta de regressió de Y sobre X és: y63,8025 0,9653x.
d) Si x 80 kg, com que està dins del rang de valors observats del pes (X), es pot utilitzar la recta anterior per
predir la pressió arterial corresponent:
y(80) 63,8025 0,9653∙80 141,03

37. La temperatura mitjana en °C (X) i la despesa mitjana en calefacció en euros (Y) en el mes de desembre en
7 ciutats es recull en la taula següent:
X 10 8 12 5 16 0 20
Y 145 140 110 170 80 200 40
a) Dibuixa el diagrama de dispersió i raona si es pot intuir una relació lineal entre les variables i de quina mena.
b) Escriu la recta de regressió de la despesa en calefacció en funció de la temperatura, i troba la variància
residual.
c) Valora l’ajust lineal al núvol de punts.
d) Si la temperatura mitjana en una ciutat al desembre és de 14 ºC, a quant pujarà la despesa esperada en
calefacció?
a) El núvol de punts permet observar una relació lineal
Y: despesa mitjana en calefacció

forta i inversa entre la temperatura mitjana al
desembre i la despesa mitjana en calefacció a les 7
ciutats: com més alta és la temperatura mitjana,
menys despesa en calefacció. Aquesta relació, a
més, es correspon amb el que podíem esperar
X: temperatura mitjana desembre
b) Per trobar la recta de regressió, cal ampliar la taula:

2 2 72 885
X Y xi yi xiyi x  10,14 y   126,43
10 145 100 21 025 1450 7 7
8 140 64 19 600 1120 989
sx2   10,142  38,41
12 110 144 12 100 1320 7
5 170 25 28 900 850
129 625
16 80 256 6400 1280 sy2   126,432  2533,67
7
0 200 0 40 000 0
20 40 400 1600 800 6820
sxy   126,43  10,14  308,06
71 885 989 129 625 6820 7
308,06
Per tant, la recta de regressió de Y sobre X és: y  126,43   x  110   y  8,02x  207,78 .
38,41
 s2    308,06    62,8
2
La variància residual o EQM és: EQM  sy2  1  2xy 2   2533,67 1 

 sx sy   38,41 2533,67 
 
c) Al gràfic s’observa que l’ajust és molt bo i això es confirma amb el càlcul dels coeficients de determinació i
correlació.
 308,06 
2
R2   0,975 2  r   0,975 2  0987 5

38,41 2533,67
El primer, molt proper a 1, indica que el 97,52 % de la variabilitat observada en la despesa es deu a la
temperatura mitjana, i el segon, molt proper a –1, que la correlació lineal és excel·lent.
d) Si la temperatura mitjana és x  14 ºC, es pot predir la despesa mitjana en calefacció el mes de desembre, ja
que és un valor que està dins del rang de valors del regressor.
y  8,02  14  207,78  95,5 €

SÍNTESI
38. Amb les dades de la taula següent:
X 2 3 6 10 12
Y 150 130 125 120 100

b) Calcula la mitjana i la variància de les distribucions X i Y.
c) Obtén la recta de regressió de Y sobre X i valora la bondat de l’ajust.
d) Quin percentatge de la variabilitat de Y s’explica per la variabilitat de X?
e) Quin valor s’espera a la variable Y si la variable X pren el valor x = 5?
a) Es representa el diagrama de dispersió a la dreta.
b) xj yj xj
2 2
yj xjyj
2 150 4 22500 300
3 130 9 16900 390
6 125 36 15625 750
10 120 100 14400 1200
12 100 144 10000 1200
33 625 293 79425 3840
33 293
X   6, 6 ; s X   6, 6  15, 04
2 2
5 5
625 79425
Y   125 ; sY   125  260
2 2
5 5
3840
c) S’obté, en primer lloc, la covariància: s XY   125  6, 6  57 , que juntament amb els resultats de
5
l’apartat b) proporcionen els coeficients de la recta de regressió de Y sobre X.
s XY 57
b 2
  3, 79 ; a  Y  b X  125  3, 79  6, 6  150, 01
sX 15, 04
La recta de regressió de Y sobre X ve donada per l’equació: y150,01 3,79x
La bondat de l’ajust es pot valorar mitjançant el càlcul del coeficient de correlació lineal.
Els coeficients de determinació i de correlació lineal són:

( 57)
2 2
s XY
R    0, 8309  r   0, 8309  0, 9115 (el mateix signe que s XY )
2
260  15, 04
2 2
sY s X
Es tracta, per tant, d’un molt bon ajust lineal, que confirma l’observació del diagrama de dispersió de l’apartat
a).
d) Observant el coeficient de determinació, el 83,09% de la variabilitat observada en la variable Y ve donada per
la variabilitat de X.
e) Finalment, per estimar el valor esperat quan X pren el valor x 5, se substitueix aquest valor en l’equació de la
recta de regressió:
y150,01 3,79·5 131,05

QÜESTIONS
39. En els casos següents, es representa el núvol de punts d’una variable bidimensional.
a) b) c) d)
Indica en cada cas si hi ha relació lineal entre les variables i, en cas afirmatiu, quin és el signe de la
covariància i del coeficient de correlació?
a) En aquest cas no sembla que hi hagi relació lineal entre les variables representades.
b) Es pot observar una relació lineal directa: quan una variable creix, l’altra també, i per tant els signes de la
covariància i del coeficient de correlació són positius.
c) Es pot observar una relació lineal amb tendència inversa (quan una variable creix l’altra decreix). En aquest
cas, tant la covariància com el coeficient de correlació lineal tenen signe negatiu.
d) Sembla que hi ha relació entre les dues variables, però que la relació no és lineal.
40. D’una variable bidimensional (X, Y) se sap que l’equació de la recta de regressió de Y sobre X és y = 3.
Contesta raonadament.
a) Quina és la mitjana de Y? c) Quant val el coeficient de correlació?
b) Quin és el valor de la covariància? d) Quines conclusions se’n poden extreure?
s XY
a) Atès que l’equació de la recta de regressió és y  Y  2
( x  X ) i comparant amb y 3 Y  3.
sX
s XY
b) La covariància és s XY  0 , perquè el pendent de la recta és b  2
 0  s XY  0 .
sX
s XY
c) El coeficient de correlació és zero, perquè la covariància és zero i r   0.
2 2
sX sX
d) No hi ha relació lineal entre les variables X i Y.
41. De dues variables estadístiques, X i Y, se sap que:

 Tenen les variàncies iguals.  El coeficient de correlació pren el valor 0,8.
 La covariància és 2,8.  La recta de regressió inclou el punt (3, 7).
Troba la recta de regressió de Y sobre X i l’error quadràtic mitjà.
Sigui yabx l’equació de la recta de regressió de Y sobre X. L’objectiu és calcular els coeficients a i b.
s XY s XY s XY 2, 8
Com que les variàncies de X i Y són iguals, tenim: s X  sY  r     sY   3, 5
2 2 2
2
2
s X sY
2 2
sY sY
2
sY 0, 8
s XY s XY
A més, en aquest cas: b  2
 2
 r  0, 8
sX sY
Per calcular l’ordenada a l’origen, es té en compte que y(3) 77 a 0,8 ∙ 3  a 4,6.
De manera que l’equació de la recta de regressió de Y sobre X és: y4,6 0,8x.
Finalment, l’EQM ve determinat per: EQM  sY2 1 R 2   3,5 1 0,82   1,26 .

42. La recta de regressió d’una variable Y sobre una altra variable X està donada per l’equació y = −2,3 + 0,15x.
Assenyala, de forma raonada, quina o quines de les afirmacions següents són certes o falses.
a) El coeficient de correlació és 0,15.
b) La covariància entre X i Y és positiva.
c) La variable X no explica en absolut el comportament de la variable Y.
d) Aquestes dues variables estan dèbilment correlacionades.
2 2
s XY s XY bs X sX
a) De la informació obtinguda de la recta de regressió: b  2
 0,15  r    0,15 2
sX 2
sY s X
2 2
sY s X
2
sY
Per tant, l’afirmació és falsa, tret que les variàncies de X i Y siguin iguals.
b) Sí, ja que el signe del coeficient de correlació coincideix amb el de la covariància i amb el de b.
c) Per valorar aquesta afirmació s’ha de calcular el coeficient de determinació (o el de correlació) i, amb la
informació disponible, no es pot obtenir. Per tant, l’afirmació no és correcta en general.
d) La resposta és semblant a la de l’apartat c).
43. De la variable estadística bidimensional (X, Y), se sap que:
 Les mitjanes són X  9,2 i Y  7,5 .
 La desviació típica de la variable Y és el doble que la de la variable X.

 El coeficient de correlació pren el valor 0,7.
Amb aquestes dades, determina la recta de regressió de Y sobre X.
s XY s XY s XY s XY
De la informació proporcionada se sap que sY  2s X
2 2
r    2
 2
 2 r
2
sY s X
2 2
sX sX
2
sX 2 sX
s XY s XY
D’on es dedueix: b  2
 2  r  0, 7  2 0, 9899 ; a  Y  2
 X  7, 5  0, 7  2  9, 2 1, 6075
sX sx
Per tant, l’equació de la recta de regressió és: y1,6075 0,9899x
44. A la vista dels núvols de punts de quatre distribucions conjuntes bidimensionals següents, assigna el
coeficient de correlació que millor s’aproximi a cadascuna d’aquestes entre els següents:
I) II) III) IV)
a) r 0,04 b) r 0,4 c) r 0,7 d) r 0,8
a) r 0,04 s’assigna al diagrama de dispersió IV, ja que no s’observa tendència en el núvol de punts.
b) r 0,4 s’assigna al diagrama I, ja que s’observa un tendència creixent, amb relació lineal feble entre les
variables.
c) r 0,7 s’assigna al diagrama III, en el qual s’observa una tendència decreixent, amb relació lineal moderada
entre les variables.
d) r  0,8 s’assigna al diagrama de dispersió II, en el qual s’observa una tendència lineal creixent amb relació
lineal moderadaalta.

PROBLEMES
45. La taula recull la distribució dels alumnes de primer de Batxillerat segons el sexe (X) i el grup (Y).
Y
Grup A Grup B Grup C Totals X
X
Nois ** 18 ** 49
Noies 21 ** 16 **
Totals Y ** ** 32 103

b) Dins del grup B, quin és el percentatge de dones?
c) Escriu les distribucions marginals de freqüències absolutes i relatives.
a) Completem la taula amb les dades que hi falten:

Y
Grup A Grup B Grup C Totals X
X
Nois 15 18 16 49
Noies 21 17 16 54
Totals Y 36 35 32 103
17
b) p( noies | B )   100  48, 57 %
35
c) Les distribucions marginals de freqüències absolutes i relatives es recullen a la taula:
Y Grup A Grup B Grup C fXi hXi

X
Nois 15 18 16 49 0,4757
Noies 21 17 16 54 0,5243
fYj 36 35 32 103
hYj 0,3495 0,3398 0,3107

46. La taula següent mostra les dades de la taxa de mortalitat infantil en tant per mil (Y) i el percentatge del
producte interior brut dedicat a la salut (X). La mostra correspon a 10 països de diferents continents i
riquesa.
X 5,2 4,5 5,2 6,3 5,4 6,9 3,7 6,7 11,0 9,5
Y 110 94 77 56 36 16 12 8 5 3
a) Representa el núvol de punts. Hi ha relació entre les dues variables? De quin tipus?
b) Quantifica la relació existent i comenta-la.
c) Escriu l’equació de la recta de regressió de la taxa de mortalitat infantil en funció del percentatge del PIB
dedicat a sanitat.
d) En un país que inverteixi un 5 % del PIB en sanitat, quina seria la taxa de mortalitat infantil esperada? Comenta
la fiabilitat d’aquesta estimació.
a) A la dreta es mostra el diagrama de dispersió de la distribució

conjunta de les dues variables, juntament amb la recta de
infantil (tant per mil)

Y: taxa de mortalitat
regressió de Y sobre X obtinguda en l’apartat c).
Es pot observar que hi ha una relació lineal feble de tendència
decreixent: com més alt és el percentatge del PIB dedicat a la
salut, més baixa és la taxa de mortalitat infantil.
b) 2 2
xj yj xj yj xjyj
5,2 110 27,0 12100,0 572
X: % del PIB dedicat a la salut
4,5 94 20,3 8836,0 423
5,2 77 27,0 5929,0 400,4
6,3 56 39,7 3136,0 352,8
5,4 36 29,2 1296,0 194,4
6,9 16 47,6 256,0 110,4
3,7 12 13,7 144,0 44,4
6,7 8 44,9 64,0 53,6
11,0 5 121,0 25,0 55
9,5 3 90,3 9,0 28,5
64,4 417,0 460,6 31795,0 2234,5
64, 4 460, 6
X   6, 44 % del PIB ; sX   6, 44  4, 5884
2 2
10 10
417 31795
Y   41, 7 per mil habitants ; sY   41, 7  1440, 61
2 2
10 10
2234, 5
s XY   41, 7  6, 44  45, 098
10
Els coeficients de determinació i correlació són:
( 45, 098)
2 2
s XY
R    0, 3077  r   0, 3077  0, 5547
2
1440, 61 4, 5884

2 2
sY s X
Això significa que el 30,77% de la variabilitat observada en la taxa de mortalitat infantil s’explica pel percentatge
de PIB dedicat a salut (X). Es confirma la relació lineal (moderada) amb tendència negativa (inversa) entre les
dues variables.
c) Amb les dades obtingudes en l’apartat b), s’estimen els coeficient de la recta de regressió de la taxa de
mortalitat infantil (Y) en funció del percentatge del PIB dedicat a la salut:
s XY 45, 098
b 2
  9, 829 ; a  Y  b X  41, 7  9, 829  6, 44  104, 997
sX 4, 5884
De manera que la recta de regressió de Y sobre X és: y104,997 9,829x
d) Si el percentatge del PIB dedicat a salut és x  5, aleshores, la taxa esperada de mortalitat infantil és:
y(5) 104,997 9,829 ∙ 5 55,85 per mil habitants
Aquesta predicció té una fiabilitat relativa, ja que el coeficient de correlació no és gaire alt.

47. Se sap que el consum d’energia anual per habitant (Y, milers de kWh) està relacionat amb la renda per
càpita (X, milers de $). Per estudiar com funciona aquesta relació a Amèrica Central s’han recollit les dades
de la taula següent:
X 8647 3708 3178 2246 10047 1578 7498
Y 1855 855 567 671 1990 473 1832
a) Representa el diagrama de dispersió.

b) Pot aproximar-se, raonablement, el núvol de punts per una recta?
c) Escriu l’equació de la recta de regressió del consum d’energia sobre la renda per càpita.
d) Calcula el percentatge de variabilitat en el consum d’energia explicada per la renda per càpita. Valora el
resultat.
e) Calcula el consum esperat d’energia en un país la renda per càpita del qual sigui de 5000 $. Justifica la fiabilitat
de la predicció.
a) Es dibuixa el diagrama de dispersió de la distribució conjunta de les
Y: consum anual d'energia

dues variables, juntament amb la recta de regressió de Y sobre X
(en milers de kWh)

obtinguda en l’apartat c).
b) El núvol de punts sembla que mostra una forta relació lineal creixent
entre la renda per càpita i el consum d’energia.
c) xj yj xj
2
yj
2
xjyj
8647 1855 74 770 609 3 441 025 16 040 185
3708 855 13 749 264 731 025 3 170 340 X: renda per càpita ($)
3178 567 10 099 684 321 489 1 801 926

2246 671 5 044 516 450 241 1 507 066
10047 1990 100 942 209 3 960 100 19 993 530
1578 473 2 490 084 223 729 746 394
7498 1832 56 220 004 3 356 224 13 736 336
36 902 8243 263 316 370 12 483 833 56 995 777
36 902 263 316 370

X   5271, 71 $ ; sX   5271, 71  9 825 652, 775
2 2
7 7
8243 12 483 833
Y   1177, 57 milers de kWh ; sY   1177, 57  396 739, 2449
2 2
7 7
56 995 777
s XY   5271, 71  1177, 57  1 934 446, 312
7
s XY 1 934 446, 312
b 2
  0,1969 ; a  Y  bX  1177, 57  0,1969  5271, 71  139, 57
sX 9 825 652, 775
De manera que la recta de regressió de Y sobre X és: y 139,57 0,1969x
d) A continuació, s’obtenen els coeficients de determinació i correlació:

2 2
s XY 1 934 446, 312
R    0, 95997  r  0, 9798
2
396 730, 245  9 825 652, 775

2 2
sY s X
Això significa que el 95,99 % de la variabilitat observada en el consum d’energia s’explica per la renda per
càpita. Es confirma així la forta relació lineal entre les dues variables.
e) Per estimar el consum esperat d’energia en un país en què la renda per càpita sigui 5000 $, dada que es troba
dins del rang d’estudi, avaluem en l’equació:
y(5000) 139,57 0,1969 ∙ 5000 1124,07 milers de kWh
La predicció té una fiabilitat alta, ja que el coeficient de correlació és molt alt.

48. La taula següent mostra les dades relatives al nombre de sales de cinema (X) i d’espectadors en milions
(Y), a Espanya entre el 2004 i el 2011.
Anys 2004 2005 2006 2007 2008 2009 2010 2011
X 1126 1052 936 907 868 851 860 876
Y 143,9 127,6 122 117 108 110 102 98,3
a) Per mitjà de la representació gràfica, quina relació s’observa entre les dues variables?
b) Quina de les dues variables presenta variabilitat més gran?
c) Quants espectadors s’esperen si hi hagués 1000 sales de cinema? Valora la precisió d’aquesta estimació.
Y: nre. d'espectadors (en

a) A la dreta es mostra el diagrama de dispersió de la distribució
bidimensional, juntament amb la recta de regressió calculada en
l’apartat c). S’observa un tendència creixent amb forta relació
milions)
lineal.
b) 2 2
xj yj xj yj xjyj
1126 143,9 1 267 876 20 707,21 162 031,4
1052 127,6 1 106 704 16 281,76 134 235,2
936 122,0 876 096 14 884,00 114 192,0 X: nre. de sales de cinema
907 117,0 822 649 13 689,00 106 119,0
868 108,0 753 424 11 664,00 93 744,0
851 110,0 724 201 12 100,00 93 610,0
860 102,0 739 600 10 404,00 87 720,0
876 98,3 767 376 9662,89 86 110,8
7476,0 928,8 7 057 926,0 109 392,9 877 762,4
7476 7057926
X   934, 5 sales de cinema ; sX   934, 5  8950, 5  s X  94, 6071
2 2
8 8
928, 8 109392, 9
Y   116,1 milions d'espectadors ; sY   116,1  194, 8975  sY  13, 9606
2 2
8 8
Així, doncs, els coeficients de variació de X i Y són:
sY 13, 9606 sX 94, 6071
CV Y     0,1202 CV  X   
 0,1012
Y 116,1 X 934, 5
Es conclou que el nombre d’espectadors (en milions) presenta una variabilitat lleugerament més gran
(aproximadament, un 18,78 % més) que la del nombre de sales de cinema (X).
c) Per estimar el nombre d’espectadors esperat, es calcula la recta de regressió de Y sobre X:

877762, 4 1224, 85
s XY   116,1 934, 5  1224, 85 b   0,1368 a  116,1  0,1368  934, 5   11, 7836
8 8950, 5
Així, l’equació de la recta de regressió del nombre d’espectadors (Y) en funció del nombre de sales de cinema
(X) és: y11,7836 0,1368x.
Emprant aquesta equació es pot estimar el nombre d’espectadors (Y, en milions) si el nombre de sales de
cinema fos x 1000 (dins del rang de valors observats de X):
y(1000) 11,7836 0,1368 ∙ 1000 125,0635 milions d’espectadors
s XY 1224,85
Per estimar-ne la precisió, calculem el coeficient de correlació: r    0,9274
sY2 s X2 94,6071 13,9606
Per tant, es tracta d’una estimació bastant fiable.

49. La distribució conjunta de la superfície en metres quadrats (Y) d’un habitatge i el nombre d’habitacions (X)
ve donada a la taula següent:
2
Y: Superfície, en m
[60, 70) [70, 80) [80, 90) [90,100)
2 69 12 2 1
X: Nombre
3 464 217 89 26
habitacions
4 175 450 212 138
a) Troba les distribucions marginals.

b) Escriu la distribució de la superfície sabent que l’habitatge disposa de tres habitacions. Troba’n la mitjana i la
variància.
c) Calcula la covariància i interpreta’n el resultat.
a) Les taules amb les distribucions marginals són:
Xj fXj hXj fYj·Xj Yj fYj hYj fYj·Yj

2 84 0,0453 168 [60, 70) 65 708 0,3817 46 020
3 796 0,4291 2388 [70, 80) 75 679 0,3660 50 925
4 975 0,5256 3900 [80, 90) 85 303 0,1633 25 755
1855 1 6456 [90,100) 95 165 0,0890 15 675
1855 1 138 375
b) La distribució per a un habitatge de 3 habitacions, ampliada per als càlculs posteriors, és:
[60, 70) [70, 80) [80, 90) [90,100)

Yj 65 75 85 95
fYj|X3 464 217 89 26 796
fYj·Yj 30 160 16 275 7565 2470 56 470
2
fYj·Yj 1 960 400 1 220 625 643 025 234 650 4 058 700
Per tant, la mitjana i la variància seran:

56470 2 4058700
Y | X 3   70, 94 m ;s 2
Y | X 3
  70, 94  66, 07
2
796 796
c) Construïm una taula auxiliar amb els productes necessaris fij · XiYj:
Yj 65 65 65 75 75 75 85 85 85 95 95 95
Xi 2 3 4 2 3 4 2 3 4 2 3 45
fij 69 464 175 12 217 450 2 89 212 1 26 138
fijXiYj 8970 90 480 45 500 1800 48 825 135 000 340 22 695 72 080 190 7410 52 440 485 730
Les mitjanes marginals són:

6456 138375
X   3, 48 ; Y   74, 60
1855 1855
D’on es dedueix que la covariància serà:
485 730
s XY   3, 48  74, 60  2, 241
1855
Com que es tracta d’una covariància positiva, la relació entre les dues variables és directa, és a dir, quan
augmenta el nombre d’habitacions, augmenta la superfície.

50. Les qualificacions (Y) de 8 alumnes en Econometria I en el primer curs de Grau en Ciències Econòmiques i
les obtingudes en Economia de l’empresa a la PAU (X) han estat:
Y 5,3 6,2 6,8 7,2 10 5,1 3,8 7,5

X 7,3 5,2 6 7 8,8 4 5,7 8,2
a) Quin és el grau de correlació entre les dues variables?

b) Si un alumne ha tret 6,5 punts en l’examen de la PAU, quina qualificació s’espera que tregui en Econometria I?
Comenta la precisió d’aquesta estimació.
a) Es construeix la taula per facilitar els càlculs corresponents:

2 2
xj yj xj yj xjyj
7,3 5,3 53,29 28,09 38,69
5,2 6,2 27,04 38,44 32,24
6,0 6,8 36,00 46,24 40,80
7,0 7,2 49,00 51,84 50,40
8,8 10,0 77,44 100,00 88,00
4,0 5,1 16,00 26,01 20,40
5,7 3,8 32,49 14,44 21,66
8,2 7,5 67,24 56,25 61,50
52,2 51,9 358,50 361,31 353,69
Es calculen les mitjanes, les variàncies i la covariància de les dues variables:
52, 2 358, 5
X   6, 53 sX   6, 53  2, 2369
2 2
;
8 8
51, 9 361, 31
Y   6, 49 sY   6, 49  3, 0761
2 2
;
8 8
353, 69
s XY   6, 49  6, 53  1, 8803
8
I d’aquí es dedueix que el coeficient de correlació lineal és:
s XY 1, 8803
r    0, 7168
2
s X sY
2
2, 2369  3, 0761
Aquest coeficient ens indica una correlació lineal moderadaalta entre les variables X i Y.
b) S’ha d’estimar la recta de regressió de la qualificació en Econometria I (Y) en funció de la qualificació en

Economia de l’empresa a la PAU (X).
s XY 1, 8803
b 2
  0, 8406 ; a  Y  b X  6, 4875  0, 8406  6, 525  1, 0026
sX 2, 2369
De manera que la recta de regressió de Y sobre X és: y1,0026 0,8406x.
Així, doncs: y(6,5) 1,0026 0,8406 ∙ 6,5 6,47
Aquest resultat, tenint en compte el valor del coeficient de correlació, es pot considerar una bona estimació de
la qualificació en Econometria I.

51. La taula següent dona l’edat (X) en anys i la tensió sistòlica (Y) d’una mostra de 8 dones presa entre les
pacients d’un centre de salut:
X 56 72 37 65 47 55 49 38
Y 146 155 120 140 128 150 145 116
a) Representa les dades i la recta de regressió que dona la tensió en funció de l’edat. Valora la tendència
observada.
b) Quina s’espera que sigui la tensió d’una dona de 50 anys?
Y: pressió arterial sistòlica

a) A la dreta es mostra el núvol de punts juntament amb la recta de
regressió, l’equació de la qual determinarem més endavant.
Es pot observar una relació amb tendència creixent i el que sembla
un bon ajust de la recta de regressió al núvol de punts.
2 2
xj yj xj yj xiyj
56 146 3136 21 316 8176
72 155 5184 24 025 11 160
X: edat (en anys)
37 120 1369 14 400 4440
65 140 4225 19 600 9100
47 128 2209 16 384 6016
55 150 3025 22 500 8250
49 145 2401 21 025 7105
38 116 1444 13 456 4408
419 1100 22993 152 706 58 655
419 22993
X   52, 375 anys sX   52, 375  130, 9844
2 2
;
8 8
1100 152706
Y   137, 5 sY   137, 5  182, 0
2 2
;
8 8
58655
s XY   52, 375  137, 5  130, 3125
8
Amb aquests resultats s’estimen els coeficients de l’equació de regressió:
s XY 130, 3125
b 2
  0, 9949 ; a  Y  bX  137, 5  0, 9949  52, 375  85, 3937
sX 130, 9844
De manera que l’equació de la recta de regressió de Y sobre X és: y85,3937 0,9949x.
b) Utilitzant l’equació estimada a l’apartat anterior, el valor esperat de la tensió arterial sistòlica per a una persona
de 50 anys és:
y(50) 85,3937 0,9949 ∙ 50 135,14

52. A la taula es presenten les dades de la renda per càpita de l’any 2012 en milers de dòlars (Y) i el
percentatge del PIB dedicat a educació de l’any 2009 (X) en deu països de la Unió Europea.
X 5,0 5,8 5,9 4,7 5,1 5,6 6,5 8,7 6,8 7,3
Y 30,2 20,7 42,8 33,9 42,6 38,9 45,9 57,6 47,5 57,9
a) Escriu la recta de regressió de Y sobre X. Quin percentatge de la variabilitat de la renda per càpita s’explica
per la despesa en educació?
b) Quin nivell de renda per càpita el 2012 es pot estimar que tindria un país que el 2009 va invertir en educació el
6 % del seu PIB? Valora la fiabilitat de la predicció.
a) Es construeix la taula següent per facilitar la realització dels càlculs:

2 2
xj yj xj yj xjyj
5,0 30,2 25,0 909,0 150,75
5,8 20,7 33,6 426,9 119,8338
5,9 42,8 34,8 1831,2 252,4787
4,7 33,9 22,1 1152,1 159,5274
5,1 42,6 26,0 1816,9 217,3875
5,6 38,9 31,4 1512,5 217,7896
6,5 45,9 42,3 2102,5 298,0445
8,7 57,6 75,7 3314,5 500,8764
6,8 47,5 46,2 2255,9 322,9728
7,3 57,9 53,3 3358,0 423,0204
61,4 417,9 390,4 18679,5 2662,7
Es calculen les mitjanes i variàncies marginals i la covariància de les variables X i Y:
61, 4 390, 4
X   6,14 % del PIB a educació ; s X   6,14  1, 3384
2 2
10 10
418 188682, 78
Y   41, 8 milers de dolars ; sY   41, 8  121, 0380
2 2
10 10
2663,15
s XY   41, 8  6,14  9, 6630
10
De manera que els coeficients de l’equació de regressió de Y sobre X són:
9, 6630
b  7, 22 a  41, 8  7, 22  6,14  2, 53
1, 3384
Així, doncs, l’equació de la recta de regressió del preu del lloguer (Y) en funció del nombre d’habitacions (X) és:
y2,5297 7,2198x.
s XY 9, 6630
El coeficient de determinació és: R    0, 5764 .
2
121, 0380  1, 3384

2 2
sY s X
És a dir, el 57,64 % de la variabilitat de la renda per càpita s’explica pel percentatge del PIB que es destina a
educació.
b) Com que x 6 es troba dins del rang d’observacions de la variable X, n’hi ha prou amb substituir x 6 en
l’equació obtinguda a l’apartat b) per estimar el valor de Y:
y(6) 2,5297 7,2198 ∙ 6 40,789 milers de dòlars

53. L’evolució dels percentatges d’estudiants en les àrees de Ciències Socials (Y) i de Ciències de la Salut i
Serveis Socials (X) des del 2002 fins al 2009 està recollida en la taula següent.
Any 2002 2003 2004 2005 2006 2007 2008 2009
X 12,2 12,6 12,9 14,1 14,3 14,8 15,4 15,9
Y 31 30 29,3 28,9 28,3 27,5 27,2 26,4
a) Representa el núvol de punts i comenta la relació que observes entre les dues variables.
b) Escriu la recta de regressió de Y sobre X.
c) Calcula el coeficient de correlació i l’error quadràtic mitjà i valora els resultats.
Y: % estudiants ciències
a) Es representa el núvol de punts juntament amb la recta de
regressió calculada en l’apartat b).
S’observa una forta relació lineal amb tendència decreixent.
socials
b) xj yj xj
2 2
yj xjyj
12,2 31,0 148,84 961,00 378,20
12,6 30,0 158,76 900,00 378,00
12,9 29,3 166,41 858,49 377,97
14,1 28,9 198,81 835,21 407,49 X: estudiants ciències de la salut i SS
14,3 28,3 204,49 800,89 404,69
14,8 27,5 219,04 756,25 407,00
15,4 27,2 237,16 739,84 418,88
15,9 26,4 252,81 696,96 419,76
112,2 228,6 1586,32 6548,64 3191,99
112, 2 1586, 32
X   14, 025 % de CC de la salut ; s X   14, 025  1, 5894
2 2
8 8
228, 6 6548, 64
Y   28, 575 % de CS ; sY   28, 575  2,0494
2 2
8 8
3191, 99
s XY   28, 575  14, 025  1, 7656
8
De manera que els coeficients de la recta de regressió de Y sobre X són:
s XY 1, 7656
b 2
  1,1109 ; a  Y  bX  28, 575  1,1109  14, 025  44,1553
sX 1, 5894
La recta de regressió del percentatge d’estudiants de Ciències Socials (Y) en funció del percentatge
d’estudiants de Ciències de la Salut i Serveis Socials (X) és:
y44,1553 1,1109x
Amb els resultat obtinguts en l’apartat b), obtenim que el coeficient de correlació i l’error quadràtic mitjà són:
s XY 1, 7656
r    0, 9783
2
s X sY
2
1, 5859  2, 0494
   
2 2
s XY 1, 7656
EQM  sY  1    2, 0494  1  1, 5859  2, 0494   0, 0880
2
   
2 2
s X sY
El valor del coeficient de correlació, proper a 1, indica una forta relació inversa entre les dues variables i que
l’ajust lineal és molt bo i això es confirma pel valor baix de l’error quadràtic mitjà.

54. La taula següent mostra la distribució de la situació professional (X) i el nivell d’estudis (Y) en una
determinada població.
Nivell d’estudis
Bàsics Mitjans Alts
Empleat fix 14 22 18
Situació Empleat temporal 18 31 21
professional
(X) Autònom 12 8 10
Sense feina 23 14 9
a) Escriu les distribucions marginals de freqüències absolutes i relatives.

b) Troba la distribució de la situació professional X, condicionada al nivell d’estudis alts.
c) Són independents aquestes variables?
a) Les taules amb les distribucions de freqüències marginals són:
Xi fi hi
Empleat fix 54 0,27
Situació Empleat temporal 70 0,35
professional Autònom 30 0,15
Sense feina 46 0,23
200 1
Yj fj hj
Bàsics 67 0,335
Nivell
Mitjans 75 0,375
d’estudis
Alts 58 0,29
200 1
b) La taula per a la distribució de la situació professional X, condicionada al nivell d’estudis alts és:
X|Yalts fi|Y alts hi|Y alts

X1 Empleat fix 18 0,3103
X2 Empleat temporal 21 0,3621
X3 Autònom 10 0,1724
X4 Sense feina 9 0,1552
58 1
c) Per comprovar que no són independents n’hi ha prou amb trobar un cas en què hij  hi  h j , per exemple:
hX  fix, Y  alts  0,3103  hX  fix hY  alts  0,27  0,29  0,0783

55. A la taula es donen les dades observades de la llargada d’un nadó (Y, en cm) segons el nombre de
setmanes d’embaràs (X) a partir de la setmana 32.
X 32 33 34 35 36 37 38 39 40
Y 42 45 47 48,5 49 51 52 54 55

b) Troba la recta de regressió de l’alçada del bebè en funció del nombre de setmanes transcorregudes i justifica
la bondat de l’ajust obtingut.
c) Quin és el percentatge de variabilitat de l’alçada explicada pel model de regressió?
a) La gràfica de dispersió de les dades mostra una

forta relació lineal entre el nombre de setmanes
d’embaràs i l’alçada del bebè, a causa del bon ajust
que s’observa de la recta de regressió al núvol de
Y: alçada del bebè

punts.
X: nombre de setmanes d'embaràs

2 2
X Y xi yi
xiyi
32 42 1024 1764 1344 b) S’afegeixen a la taula les columnes corresponents:
33 45 1089 2025 1485 324 11724
x  36 sx2   362  6,67
34 47 1156 2209 1598 9 9
35 48,5 1225 2352,25 1697,5
443,5 21997,25
36 49 1296 2401 1764 y   49,3 sy2   49,32  15,84
9 9
37 51 1369 2601 1887
38 52 1444 2704 1976 16 057
sxy   36  49,3  10,17
39 54 1521 2916 2106 9
40 55 1600 3025 2200
324 443,5 11 724 21 997,25 16 057,5
b) La recta de regressió de l’alçada del bebè (Y) en funció del nombre de setmanes d’embaràs (X) és:
10,17
y  49,3   x  36  y  1,525x  5,6
6,67
La recta s’ajusta molt bé al núvol de punts, tal com es pot veure al gràfic de l’apartat a). A més, el coeficient de
correlació lineal:
10,17
r   0,9894
6,67 15,84
és molt proper a 1 i, per tant, indica una forta relació lineal directa entre les dues variables.
c) La resposta la proporciona el coeficient de determinació, obtingut directament amb la covariància i les
variàncies o el quadrat del coeficient de correlació:
R 2  0,9788
Així, el 97,88% de la variabilitat observada en l’alçada s’explica pel model de regressió.

ENTORN MATEMÀTIC
Si ets noi i jove, tens més probabilitats de patir un accident

Les companyies d’assegurances d’automòbils cobren primes més altes per les pòlisses d’assegurances que
inclouen conductors menors de 25 anys, perquè afirmen que tenen més risc de patir un accident que la resta. A
més, per la mateixa raó, els homes paguen més que les dones. Això és el que es van trobar en Nicolau i la
Mercè quan, acabat de treure’s el carnet de conduir, van anar a contractar l’assegurança per al seu cotxe.
Indignats, van decidir comprovar si la informació era certa. Després de buscar informació, a la Direcció General
de Trànsit (DGT) van trobar les dades de la taula a l’anuari estadístic d’accidents corresponent al 2013.
Ajuda en Nicolau i la Mercè i, utilitzant un full de càlcul, respon:
a) Es pot establir una relació lineal entre l’edat del conductor i el nombre d’accidents?
b) Si el conductor és home, aquesta relació és diferent que quan és dona?
Fes els càlculs per al total de conductors i després per a homes i dones per separat. Quines són les
conclusions? L’encerten les companyies d’assegurances?
A partir de la taula de dades podem dibuixar els núvols de punts corresponents al total de conductors, als conductors
homes i a les conductores.
Homes Total Dones Total TOTAL

Edat En En zona En En zona
Homes Dones
(anys) carretera urbana carretera urbana
18 a 20 1277 1442 2719 530 532 1062 3781
21 a 24 2529 3110 5639 1460 1467 2927 8566
25 a 29 3429 4151 7580 2061 2128 4189 11769
30 a 34 3663 4586 8249 2193 2281 4474 12723
35 a 39 3816 4506 8322 2150 2408 4558 12880
40 a 44 3228 3849 7077 1246 2095 3341 10418
45 a 49 2680 3299 5979 1400 1738 3138 9117
50 a 54 2255 2736 4991 1024 1274 2298 7289
55 a 59 1743 2175 3918 687 822 1509 5427
60 a 64 1498 1724 3222 413 513 926 4148
65 a 69 1323 1310 2633 283 344 627 3260
70 a 74 993 895 1888 162 184 346 2234
75 o més 1470 1240 2710 140 191 331 3041
TOTALS 29 904 35 023 64 927 13 749 15 977 29 726 94 653
Y: nre. d'accidents
En els tres casos s’observa una dependència semblant

del nombre d’accidents en funció de l’edat.
Crida l’atenció el fet que entre els 20 i els 30 anys la
relació és de tipus directe, mentre que entre els 40 i els
70 anys la relació és de tipus invers.
X: edat (total)
Y: nre. d'accidents
Y: nre. d'accidents
X: edat (homes) X: edat (dones)

Els resultats globals obtinguts en cada cas són:
Considerant tots els conductors:

X  47,15 Y  7281 ; s XY  576480 R  0, 4139 r  0, 6434
2
; ; ;
recta de regressió: y  130  13412 x
Considerant només els homes:

X  47,15 Y  4994, 4 s XY  327411 R  0, 3778 r  0, 6147
2
; ; ; ;
recta de regressió: y  8477  74 x
Considerant només les dones:

X  47, 2 Y  2286, 6 s XY  249069, 6 R  0, 4647 r  0, 6817
2
; ; ; ;
recta de regressió: y  4936  56 x
En els tres casos s’observa una correlació moderada entre l’edat i el nombre d’accidents considerant tot el rang d’edats
si bé és més alta en el cas de les dones.
Si fem l’estudi diferenciant dos rangs, un entre 18 i 40, i l’altre entre 40 i 80, els resultats són notablement diferents:
Entre 18 i 40 anys:
Considerant tots els conductors:

R  0,7789 r  0,8826 recta de regressió: y  2837, 2  466,5 x
2
; ;
. .
Considerant només els homes:

R  0,7860 r  0,8865 recta de regressió: y  1404  288,5 x
2
; ;
Considerant només les dones:

R  0,7672 r  0,8759 recta de regressió: y  1433  178 x
2
; ;
Així, es detecta més correlació, i també un pendent més alt en el cas dels homes que en el de les dones.
Veient aquestes dades, sembla que les companyies no l’encerten gaire, ja que no és en el rang d’edats més baixes on
es concentren els accidents, sinó en la població de mitjana edat.
En el rang d’edats següent, la correlació negativa entre les dues variables puja fins al 98,7% en el cas general, 99,7 %
en el dels homes i fins al 98,7 % en el cas de les dones.

Quan marxem de vacances?
Encara que els pares d’en Nicolau i la Mercè no són gaire d’aquesta mena de premis, els seus avis han decidit
premiar-los amb un viatge per haver acabat el Batxillerat amb una bona mitjana acadèmica.
Els nois han decidit viatjar a Roma i tenen permís per fer-ho el mes que vulguin durant el primer any de carrera
sempre que no se saltin cap classe.
Per tal d’assegurar-se unes vacances amb el millor temps possible, ja que no tenen ganes de patir molta calor
ni tampoc estar-se tot el dia amb el paraigua a la mà, han estat consultant el servei meteorològic italià i han
aconseguit una taula amb la relació entre les temperatures (màxima i mínima de cada mes) i la quantitat de pluja
caiguda (precipitació) a Roma.
Mentre buscaven la informació van trobar l’afirmació següent: “Com més fred és un mes, més plujós resulta, i
com més calorós és el mes, més sec resulta”.
Amb ajuda de la taula, respon:
a) És certa l’afirmació a Roma?
b) Es pot establir una relació lineal fiable entre la temperatura màxima (o mínima) i la quantitat de pluja caiguda en un
mes?
c) Quin percentatge de la variabilitat observada en les temperatures al llarg d’un any s’explica per la quantitat de pluja
caiguda den un mes?
d) Busca les dades i prova amb una taula similar a la teva localitat.
Per respondre aquestes preguntes, es pot analitzar la relació entre les precipitacions al llarg dels dotze mesos i la
temperatura màxima (o mínima) observada en cada un d’aquests dotze mesos. Comencem per la temperatura màxima:
Precipitació i temperatura màxima
A la dreta es mostra la gràfica de dispersió de la variable bidimensional
(precipitació total; temperatura diària màxima), juntament amb l’equació
Y: Temperatura (ºC)
de la recta de regressió de la temperatura màxima respecte a la

precipitació total i s’inclou el coeficient de determinació. Els càlculs es
deixen per a l’estudiant.
Es pot observar una tendència decreixent: com més precipitació, menys
temperatura màxima, malgrat que no és una relació forta.
El coeficient de determinació indica que el 33,8% de la variabilitat
observada en les temperatures màximes s’explica per les precipitacions.
X: precipitació (mm)
Precipitació i temperatura mínima
Y: Temperatura (ºC)
La relació (a Roma) entre les precipitacions i les temperatures mínimes

mensuals es mostra a la gràfica de l’esquerra.
S’observa que, en aquest cas, la relació també mostra una tendència
decreixent, encara més feble que en el cas anterior, amb un coeficient de
determinació que indica que amb prou feines el 29,56% de la variabilitat
observada en les temperatures mínimes mensuals s’explica per les
precipitacions.
X: precipitació (mm)
Tenint en compte la correlació existent (feble), les equacions de regressió obtingudes no s’haurien d’utilitzar per fer
prediccions, i si es fan servir amb aquesta finalitat, s’ha de fer amb precaució, a causa de la seva baixa fiabilitat.

AUTOAVALUACIÓ

1. El coeficient de correlació d’una variable estadística bidimensional és r 0,8 i les mitjanes de les
distribucions marginals són x  1 i y  3 . Raona quina de les quatre rectes següents pot ser la recta de
regressió de Y sobre X:
a) y x 6 b) y  2x  1 c) y  x  2 d) y 3x  6
La recta de regressió ha de contenir el punt (1, 3); per tant, queda descartada la recta de l’apartat a). Les altres
tres sí que contenen aquest punt.
El valor negatiu del coeficient de correlació indica que la relació entre les variables és inversa, és a dir, que si una
creix l’altra decreix. Aquesta situació només descriu l’equació de l’apartat d) y 3x  6.
2. Assigna raonadament a aquests diagrames de dispersió el coeficient de correlació adequat.
I) II) III) IV)
a) r  0,885 b) r  1 c) r 0,885 d) r 0,119
I) Correlació positiva: s’assigna c). III) Correlació negativa: s’assigna a).

II) Correlació propera a zero: s’assigna d). IV) Correlació negativa, bon ajust lineal: s’assigna b).
3. Les alçades de 5 pares (X) i les dels seus fills (Y) es recullen a la
X 171 168 175 166 179
taula següent:
Y 174 172 168 176 170
a) Representa gràficament el núvol de punts. Quantifica el tipus de
relació entre les variables.
b) Escriu la recta de regressió de Y (alçada fills) sobre X (alçada pares) i calcula l’error quadràtic mitjà. Explica el
seu significat.
a) El núvol de punts juntament amb la recta de regressió de l’apartat b)
es mostra al gràfic de la dreta. S’observa una relació inversa entre
Y: alçada fills
les dues variables.

2 2
xj yj xj yj xjyj
171 174 29 241 30 276 29 754
168 172 28 224 29 584 28 896
175 168 30 625 28 224 29 400
166 176 27 556 30 976 29 216
X: alçada pares
179 170 32 041 28 900 30 430
859 860 147 687 147 960 147 696
859 147687 860 147960

X   171, 8 sX   171, 8  22,16 Y   172 ; sY   172  8
2 2 2 2
; ;
5 5 5 5
147696 s XY 10, 4
s XY   171, 8  172  10, 4 ; r    0, 7811
5 2
s X sY
2
22,16  8
b) EQM  sY 1  R
2
 2
  8  1  ( 0, 7811)   3,119
2
s XY 10, 4
b 2
  0, 4693 ; a  Y  bX  172  0, 4693  171, 8  252, 626
sX 22,16
La recta de regressió de Y sobre X és: y14871,05  0,4915x. Es pot considerar una bona estimació.

4. La distribució de la variable bidimensional (X, Y) ve donada a la taula següent:
X 6 3 4 1 7 9
Y 4 6 5 5 2 7
a) Representa gràficament la seva distribució.

b) Troba la recta de regressió de Y sobre X.
c) Quin percentatge de la variabilitat de la variable Y és explicada pel model de regressió?
d) Si x 5, quin és el valor esperat de y? I si x 15? Comenta la fiabilitat de les dues prediccions.
a) El núvol de punts, juntament amb la recta de regressió de l’apartat

b), és el del marge, que aparentment resulta molt dispers i amb
poca correlació.
b) xj yj xj
2 2
yj xjyj
6 4 36 16 24
3 6 9 36 18
4 5 16 25 20
1 5 1 25 5
7 2 49 4 14
9 7 81 49 63
30 29 192 155 144
30 192
X  5 sX  5  7
2 2
;
6 6
29 139
Y   4, 83 sY   4, 83  2, 5
2 2
;
6 6
144
s XY   5  4, 83  0,15
6
s XY 0,15
b 2
  0, 0214 ; a  Y  bX  4, 83  0, 0214  5  4, 9371
sX 7
La recta de regressió de Y sobre X és: y4,9371  0,0214x.
c) Els coeficients de correlació i de determinació són:

s XY 0,15
r    0, 0359  R  ( 0, 0359)  0, 0013
2 2
2
s X sY
2
7  2, 5
Això indica que tan sols el 0,13 % de la variabilitat de Y s’explica per la recta de regressió.
d) Per al valor x 5, el valor esperat de y per mitjà de la recta de regressió es calcula així:
y(5) 4,9371  0,0214 · 5 4,8301.
La fiabilitat d’aquesta estimació és escassa d’acord amb el valor del coeficient de correlació.
En el cas de x 15 es tracta d’un valor que queda fora del rang de l’estudi; així, doncs, la fiabilitat del càlcul és
nul·la.

1. La variable estadística X pren els valors 2, 3, 4, 5 i 6 amb freqüències respectives 4, 5, f, 3 i 1. Si se sap que
la mitjana aritmètica de X és 3,6, el valor de f i la mediana de X són:
A. f  8, M  3 B. f  7, M  4 C. f  6, M  4 D. f 7, M  5
Solució: B
En la regressió lineal de Y sobre X, s’ha obtingut un coeficient de determinació R 0,82; aleshores:

2
2.
A. La relació entre X i Y és directa.
B. El pendent de la recta de regressió és 0,82.
C. El 18 % de la variabilitat de Y queda sense explicar pel model de regressió.
D. Amb aquesta dada, no hi ha relació entre X i Y.
La resposta correcta és la C: només el 82 % de la variabilitat de Y queda explicada pel model de regressió.
3. Si les dades d’una variable estadística bidimensional es multipliquen per 3, el coeficient de correlació:
A. Queda multiplicat per 3.
B. És igual a l’anterior elevat al cub.
C. És el mateix.
D. Queda dividit per 3.
2 2
s3 X 3Y 3 s XY 3 s XY s XY
La resposta correcta és la C, ja que r3 X 3Y      rXY .
2 2 2 2 2 2 2 2 2 2 2
s 3X
s 3Y
3 s x 3 sY 3 s x sY s x sY
4. El 81 % de la variabilitat de Y s’explica pel model de regressió. Si la mitjana de la variable X és 1 i la recta

de regressió de Y sobre X és y  2,5  1,4x, aleshores:
A. Y  2, 5, r  0, 9
B. Y  2, 5, r  0, 9
C. Y  1,1, r  0, 9
D. Y  1,1, r  0, 9
La resposta correcta és la C. Com que R 0,81 i el pendent és negatiu, tenim que r   0, 81  0, 9 ; així,
2
doncs, podrien ser A o C. D’altra banda, Y  2, 5  1, 4  1  1,1 .


5. De la variable (X, Y) se sap que sXY  2,5 i que R 2  0,75 . Si Z 3X i T Y 3, aleshores:
A. sZT  s XY  3
B. RZT  R XY
2 2
C. sZT  3s XY
D. RZT  9R XY
2 2
Les respostes correctes són B i C.
6. Amb el model de regressió lineal de Y sobre X es poden realitzar prediccions raonables sobre Y.
A. En qualsevol cas.
B. Si el valor donat a X es troba prop de la mitjana de X.
C. Només per a valors petits de X.
D. Si el valor de X és en el rang de valors de la mostra.
La resposta correcta és la D, sempre que el coeficient de correlació sigui proper a 1 o 1.
Tria la relació correcta entre les dues afirmacions

7. 1. La recta de regressió és y 2  x.
2. Les mitjanes marginals són x  1 i y  1 .
A. 1  2
B. 2  1
C. 1  2
D. 1  2
La relació correcta és la D. A no és certa, perquè amb aquesta recta de regressió les mitjanes de X i Y podrien ser,
per exemple, 0 i 2. B no és certa perquè, amb aquestes mitjanes, la recta de regressió podria ser, per exemple y
x. Per tot el que hem esmentat, C no pot ser certa.

SOLUCIONARI UNITAT 12. COMBINATÒRIA I PROBABILITAT
12. Combinatòria i probabilitat

EXERCICIS PROPOSATS
3. El dòmino és un joc format per 28 fitxes, que combina els punts 0 (blanca), 1, 2, 3, 4, 5 i 6 de totes les
formes possibles (28), amb dobles inclosos. Es tria una fitxa a l’atzar i es consideren els esdeveniments A
= “obtenir fitxa doble”, B = “obtenir fitxa que sumi parell” i C = “els dos nombres de la fitxa són primers”.
Descriu l’espai mostral i els esdeveniments A, B i C i els seus contraris.
L’espai mostral està compost pels parells següents:
 (6,6);(0,0);(0,1);(0,2);(0,3);(0,4);(0,5);(0,6);(1,1);(1,2);(1,3);(1,4);(1,5);(1,6) 
E 
(2,2);(2,3);(2,4);(2,5);(2,6);(3,3);(3,4);(3,5);(3,6);(4,4);(4,5);(4,6);(5,5);(5,6)
I els esdeveniments A, B i C i els contraris respectius estan formats pels esdeveniments elementals següents:
A  (0,0);(1,1);(2,2);(3,3);(4,4);(5,5);(6,6)
(0,1);(0,2);(0,3);(0,4);(0,5);(0,6);(1,2);(1,3);(1,4);(1,5);(1,6)
A 
 (2,3);(2,4);(2,5);(2,6);(3,4);(3,5);(3,6);(4,5);(4,6);(5,6) 
B  (0,0);(0,2);(0,4);(0,6);(1,1);(1,3);(1,5);(2,2);(2,4);(2,6);(3,3);(3,5);(4,4);(4,6);(5,5);(6,6)
B  (0,1);(0,3);(0,5);(1,2);(1,4);(1,6);(2,3);(2,5);(3,4);(3,6);(4,5);(5,6)
C  (2,2);(2,3);(2,5);(3,3);(3,5);(5,5)
(6,6);(0,0);(0,1);(0,2);(0,3);(0,4);(0,5);(0,6);(1,1);(1,2);(1,3); 
C 
 (1,4);(1,5);(1,6);(2,4);2,6);(3,4);(3,6);(4,4);(4,5);(4,6);(5,6) 
4. Durant el mes de desembre del 2016, l’IBEX 35 va arribar a un màxim de 9.413 punts i un mínim de 8.607
punts. Triat un dia a l’atzar, s’anota l’índex. Es consideren els esdeveniments A = “l’IBEX està per sobre
dels 9.000 punts” i B = “l’IBEX està per sobre dels 8.900 punts però per sota dels 9.200”. Descriu l’espai
mostral i els esdeveniments A, B i els seus contraris.
E = {9352,10; 9327,10; 9344,90; 9376,60; 9367,70; 9333,60; 9371,70; 9407,90; 9336,70; 9412,80; 9340,80;
9218,40; 9331,30; 9186,40; 9169,60; 9145,40; 8960,40; 8893,30; 8664,70; 8607,10; 8669,20}
Escrivim primer l'espai mostral i a continuació determinem els resultats corresponents als esdeveniments
demanats.
A = {9352,10; 9327,10; 9344,90; 9376,60; 9367,70; 9333,60; 9371,70; 9407,90; 9336,70; 9412,80; 9340,80;
9218,40; 9331,30; 9186,40; 9169,60; 9145,40}
= {8960,40; 8893,30; 8664,70; 8607,10; 8669,20}

B = {9186,40; 9169,60; 9145,40; 8960,40}
= {9352,10; 9327,10; 9344,90; 9376,60; 9367,70; 9333,60; 9371,70; 9407,90; 9336,70; 9412,80; 9340,80;
9218,40; 9331,30; 8893,30; 8664,70; 8607,10; 8669,20}
5. Exercici resolt.

6. Es llança un dau blanc i un altre de verd. Es consideren els esdeveniments A = “la suma dels punts és 6”,
B = “obtenir el mateix resultat en els dos daus” i C = “obtenir parell en el dau verd”.
a) Descriu l’espai mostral.
b) Escriu els esdeveniments A, A  C, A  B,  B  C   A i  A  B   C .
a) L’espai mostral ve donat per parells de nombres de l’1 al 6, el primer nombre de la parella representa el resultat
del dau blanc, i el segon nombre, el resultat del dau verd:
 (1,1);(1,2);(1,3);(1,4);(1,5);(1,6);(2,1);(2,2);(2,3);(2,4);(2,5);(2,6); 
 
E  (3,1);(3,2);(3,3);(3,4);(3,5);(3,6);(4,1);(4,2);(4,3)(4,4);(4,5);(4,6);
(5,1);(5,2);(5,3);(5,4);(5,5);(5,6);(6,1);(6,2);(6,3)(6,4);(6,5);(6,6) 
 
Ara es descriuen els esdeveniments A, B i C.
A  (1,5);(2,4);(3,3);(4,2);(5,1)
B  (1,1);(2,2);(3,3);(4,4);(5,5);(6,6)
 (1,2);(1,4);(1,6);(2,2);(2,4);(2,6);(3,2);(3,4);(3,6); 
C 
(4,2);(4,4);(4,6);(5,2);(5,4);(5,6);(6,2);(6,4);(6,6)
b) Ara tenim que:
(1,1);(1,2);(1,3);(1,4); (1,6);(2,1);(2,2);(2,3);(2,5);(2,6); 
 
A  (3,1);(3,2);(3,4);(3,5);(3,6);(4,1);(4,3)(4,4);(4,5);(4,6); 
(5,2);(5,3);(5,4);(5,5);(5,6);(6,1);(6,2);(6,3)(6,4);(6,5);(6,6)
 
 (1,2);(1,4);(1,5);(1,6);(2,2);(2,4);(2,6);(3,2);(3,3);(3,4); 
A C   
(3,6);(4,2);(4,4);(4,6);(5,2);(5,4);(5,6);(6,2);(6,4);(6,6)
 A  B   1,1; 2,2;  4,4; 5,5; 6,6

B  C   A   2,4;3,3; 4,2
 A  B   C  3,3
7. Un estudiant està dubtant si cursar estudis de grau (A), fer un cicle formatiu (B) o treballar (C). Expressa
amb paraules A  B, A   B  C  , A  C i A   B  C  .
A  B : cursar estudis de grau, fer un cicle o potser totes dues coses.
A   B  C  : no cursar estudis de grau i començar alhora a treballar i a fer un cicle formatiu.
A  C : cursar estudis de grau i no treballar.
A   B  C  : fer un cicle formatiu i a la vegada treballar o cursar estudis de grau. És possible fer les tres coses.

8. Prova, mitjançant un diagrama de Venn, que si A està contingut en B, aleshores A conté B i A  B està
contingut en A  B .
En efecte, si A està contingut en B, tal com es veu tot seguit al diagrama de l’esquerra, aleshores es pot veure que
el contrari de B està contingut en el contrari de A.
I, a més, si A està contingut en B, A  B  A  B , tal com es veu en els dos diagrames següents:
9. i 10. Exercicis resolts.
11. Utilitzant un ordinador s’ha simulat el llançament de dues monedes. La taula mostra les freqüències
absolutes de l’esdeveniment A = “obtenir cara en una moneda i creu en l’altra”.
n 10 25 50 100 250 500 750 1000

f(A) 3 11 26 55 128 252 373 502
Completa la taula amb les freqüències relatives i assigna un valor aproximat a la probabilitat de A.
La taula amb les freqüències relatives és:
n 10 25 50 100 250 500 750 1000

f(A) 3 11 26 55 128 252 373 502
hn(A) 0,3 0,44 0,52 0,55 0,512 0,504 0,497 0,502
A la vista de les freqüències relatives, un valor aproximat per a la probabilitat de l’esdeveniment A “obtenir cara
en una moneda i creu en l’altra” pot ser P(A)  0,5.
12. En l’últim campionat de Lliga de futbol, de cada quatre partits jugats a casa l’equip A n’ha guanyat dos,
n’ha empatat un i n’ha perdut un altre. Si el partit vinent l’ha de disputar a casa, quina serà la probabilitat
que l’equip A guanyi? I que empati o perdi?
Sigui l’esdeveniment A  “el partit següent el guanya l’equip A”. Com que dels quatre partits disputats a casa n’ha
guanyat la meitat, aleshores la probabilitat de l’esdeveniment A serà P(A)  0,5.
Raonant d’una manera semblant, la probabilitat de l’esdeveniment B  “el partit següent l’equip A empata o perd”,
és P(B)  0,5

13. Si P és una probabilitat definida sobre E  w1, w2 , w3 , w 4  amb P w 2   0,1 , P w 4   3P w3  i

P w3   2P w2  , troba P w1  .
De les relacions donades en l’enunciat, n’obtenim que:

P w 2   0,1 ; P w3   2P w 2   2  0,1  0,2 ; P w 4   3P w3   3  0,2  0,6
D’altra banda, com que els quatre esdeveniments són incompatibles dos a dos i la unió de tots és l’esdeveniment
segur, tenim:
1  P  E   P w1  w2  w3  w 4   P w1   P w 2   P w3   P w 4   P w1   0,1 0,2  0,6  P w1   0,9
D’on es dedueix: P w1   0,1
16. Una bossa conté 3 boles vermelles, 2 de blanques i 4 de verdes. De la bossa s’extreu una bola a l’atzar.
Calcula la probabilitat que:
a) Sigui vermella.
b) No sigui verda.
c) Sigui blanca o verda.
Suposant que els resultats possibles són equiprobables, es pot aplicar la regla de Laplace.
a) Sigui l’esdeveniment Vm  “la bola extreta és vermella”,
nre. de boles vermelles 3 1
P Vm    
nre. total de boles 9 3
b) Sigui Vd  “la bola extreta és verda”. En aquest cas, s’ha de calcular la probabilitat del contrari de V:
   
P Vd  P Vd  1  P Vd   1 
nre. de boles verdes
nre. total de boles
4 5
 1 
9 9
c) En aquest cas, es tracta de l’esdeveniment B V , sent B  “la bola extreta és blanca” de manera que, com
que es tracta d’esdeveniments incompatibles:
2 4 6 2
P  B  Vd   P  B   P Vd     
9 9 9 3
17. La probabilitat que un estudiant aprovi matemàtiques és 0,7, i que aprovi llengua, 0,8. Si la probabilitat que
aprovi llengua i no matemàtiques és 0,2, troba la probabilitat que no aprovi cap matèria.
Siguin els esdeveniments M  “l’estudiant aprovi matemàtiques” i L  “l’estudiant aprovi llengua”.

Tenim: P (M )  0,7 ; P (L )  0,8 ; P  L  M   0, 2 .
Gràficament, aquest últim conjunt el podem representar així:
Així, doncs, es pot observar que: P  L  M   P  L   P L  M   0,8  0,2  0,6

D’on es dedueix: P  L  M   P L   P M   P L  M   0,8  0,7  0,6  0,9
Per tant, la probabilitat que no aprovi cap matèria és P  L  M   1 P  L  M   1 0,9  0,1 .

21. Resol l’equació següent VRx,3  VRx,2  2VRx,3  6x.
L’equació proposada queda escrita així:

VRx,3  VRx,2  2VRx,3 6x x  x  2x  6x x  x  6x  0
3 2 3 3 2
Factoritzant el polinomi, s’obté:
0  x 3  x 2  6x  0  x  x  2 x  3 
Per tant, les solucions són: x  3; x  0; x  2 .
En termes combinatoris, la solució 0 és trivial i la solució x  3 no té sentit.
22. Es llancen tres monedes i s’observen els resultats obtinguts. Calcula la probabilitat d’obtenir:
a) Tres cares. b) Com a mínim dues cares.
3
El nombre de resultats possibles equiprobables de l’experiment “llançar tres monedes” és VR2,3 = 2 = 8. I el seu
espai mostral, si C representa “cara” i X “creu” és E = {CCC, CCX, CXC, XCC, CXX, XCX, XXC, XXX }
a) En el cas de l’esdeveniment A  “Obtenir tres cares” el nombre de resultats favorables és 1, i d’això es dedueix
1
que P( A)  .
8
b) En el cas de l’esdeveniment B  “Obtenir com a mínim dues cares” el nombre de resultats favorables és 4
4 1
(obtenir dues o tres cares), d’on es dedueix P(B)   .
8 2
23. Quantes paraules, tinguin sentit o no, de 3 lletres diferents es poden formar amb les 5 vocals?
Calcula la probabilitat que:
a) La paraula formada acabi en u.
b) La paraula formada comenci per a i acabi en u.
5!
Amb les vocals {a, e, i, o, u} es poden formar V5,3   5  4  3  60 paraules de lletres diferents, ja que una
2!
paraula es distingeix d’una altra per les vocals triades i per l’ordre en què es col·loquen. De manera que el nombre
de resultats possibles igualment probables és 60.
4!
a) Si la paraula acaba en u, queden 4 vocals per triar-ne 2; és a dir, V4,2   4  3  12 . Així, doncs, aplicant la
2!
nre. de casos favorables 12 1
regla de Laplace: P la paraula acaba en u   
nre. de casos possibles 60 5
3!
b) Si la paraula acaba en u i comença per a, queden 3 vocals per triar-ne 1; és a dir, V3,1   3 . Així, doncs:
2!

c) P la paraula comença per a i acaba en u   

25. En una prestatgeria es volen ordenar 3 llibres de física, 2 de filosofia i 2 de matemàtiques. Si els llibres de
cada matèria són idèntics entre si, troba la probabilitat que:
a) Quedin junts els tres de física.
b) Quedin junts els dos de matemàtiques.
a) El nombre total de maneres diferents de col·locar els llibres fent indistingibles els llibres iguals és:
7!
P73,2,2   7  6  5  210
3!2!2!
Per esbrinar en quantes d’aquestes maneres queden junts els tres llibres de física podem considerar els tres
llibres com un de sol i ordenar, per tant, un bloc de física, dos de filosofia i dos de matemàtiques. Així, el
5!
nombre de casos favorables a l’esdeveniment és: P51,,2,2   5  3  2  30 i la probabilitat que ens demanen
1!2!2!
és:
30 1
P(" quedin junts els tres de física")= 
210 7
b) Raonant de manera semblant, el nombre de casos en els quals queden junts els dos de matemàtiques és:
6!
P63,2,1   5  4  3  60 i la probabilitat que ens demanen és:
3!2!1!
60 2
P(" quedin junts els dos de matemàtiques")= 
210 7
26. Quantes comissions diferents de tres persones es poden formar seleccionant entre un grup de 30
persones? I quantes comissions diferents de sis persones?
Nombre de comissions diferents de tres persones:
30! 30  29  28
C30,3    4060
3!  30  3  ! 32
Es poden formar 4060 comissions diferents de tres persones.

Nombre de comissions diferents de 6 persones:
30! 30  29  28  27  26  25
C30,6    593 775
6!  30  6  ! 65432
.
Es poden formar 593 775 comissions diferents de sis persones.
29. D’una urna amb 6 boles blanques i 4 de vermelles, se n’extreuen successivament a l’atzar dues boles.
Calcula la probabilitat que les dues boles siguin vermelles si les extraccions es fan:
a) Sense reemplaçament. b) Amb reemplaçament.
Siguin els esdeveniments R1  “la primera bola extreta és vermella” i R2 “la segona bola extreta és vermella”.
a) Si la bola extreta en primer lloc no es torna a l’urna, resulta:
4 3 2
P  R1  R2   P  R1  P  R2 | R1    
10 9 15
b) Si la bola extreta es torna a l’urna, els esdeveniments R1 i R2 són independents, de manera que:
4 4 4
P  R1  R2   P  R1  P  R2    
10 10 25

30. El 30 % dels habitants d’una ciutat consumeix habitualment cafè i el 40 % dels consumidors de cafè no
menja postres als àpats. Triat a l’atzar un habitant, calcula la probabilitat que sigui consumidor de cafè i
mengi postres.
Siguin els esdeveniments A  “l’habitant consumeix habitualment cafè” i B  “l’habitant menja postres”.
La informació proporcionada és P  A  0,3 ; P(A)  0,3; P  B | A  0,4 .
I, per tant, tenim també que P  B | A  1 P B | A  0,6 .
Es demana la probabilitat de l’esdeveniment A  B  “l’habitant consumeix habitualment cafè i menja postres”,
aleshores:
P  A  B   P  A P B | A   0,3  0,6  0,18
32. Per anar a la universitat, en Joan agafa l’autobús el 60 % dels dies, la resta s’estima més anar-hi caminant.
Si hi va en autobús arriba puntual amb una probabilitat de 0,98, mentre que si hi va caminant la probabilitat
de ser puntual és de 0,8. Calcula la probabilitat que, un dia a l’atzar:
a) Arribi puntual a classe.
b) Arribi tard a classe.
Considera els esdeveniments A  “En Joan agafa l’autobús”, C  “En Joan va caminant” i L  “En Joan arriba
puntual”.
Se sap que: P  A  0,6 ; P C   0,4 ; P  L | A  0,98 ; P  L | C   0,8 .
La situació es pot representar mitjançant un diagrama d’arbre:
a) Aplicant el teorema de la probabilitat total:

P  L   P  A P  L | A  P C  P L | C   0,6  0,98  0,4  0,8  0,908 .
b) Com que l’esdeveniment arribar tard és el contrari de l’esdeveniment ser puntual, serà:
P(“Arribar tard”)  1 P(L)  1 0,908  0,092

33. Un centre ofereix classes de pilates de tres nivells, inicial, mitjà i avançat. El nivell mitjà el practiquen el 45
% dels matriculats, mentre que a l’avançat hi ha el 24 %. Al nivell inicial hi ha un 37 % de dones, al mitjà la
quarta part són homes i a l’avançat hi ha el mateix nombre de dones que d’homes. Es tria a l’atzar una
persona que practica pilates. Quina és la probabilitat que sigui home?
Considerem els esdeveniments H  “És home”, D  “És dona”, A  “Està en el nivell inicial”, B  “Està en el nivell
mitjà” i C “Està en el nivell avançat”.
Se sap que:
P(B)  0,45; P(C)  0,24; d’on es dedueix: P(A)  1 P  A  1  0,45  0,24  0,31 .
A més:
P(M | A)  0,37  P(H | A)  1  P(M | A)  1  0,37  0,63

1
P(H | B)   0,25  P(M | B)  1  P(H | B)  1  0,25  0,75
4
P(H | C )  P(M | C)  0,5
El diagrama d’arbre és:

H
D
H
D
H
D
Aplicant el teorema de la probabilitat total, la probabilitat que ens demanen és:
P  H   P  A P  H | A   P  B  P  H | B   P C  P H | C   0,31 0,63  0,45  0,25  0,24  0,5  0,4278

35. Una empresa té distribuïts els seus centres de producció en dos polígons industrials A1 i A2. A A1 treballa
un 30 % de la plantilla i la resta ho fa a A2. A l’últim mes, un 5 % dels treballadors de A1 va tenir alguna
mena de malaltia, mentre que a A2 aquest percentatge va ser del 3 %. Se selecciona a l’atzar un treballador
i va estar malalt. Calcula la probabilitat que treballi a A1.
Siguin els esdeveniments:
M  “el treballador ha estat malalt”, A1  “el treballador és del centre A1” i A2  “el treballador és del centre A2”.
P  A1   0,3 ; P  A2   0,7 ; P  M | A1   0,05 ; P M | A2   0,03
El diagrama d’arbre descriu les diferents possibilitats amb les probabilitats respectives:
M
Treballa a A1
Treballa a A2
La probabilitat que el treballador seleccionat treballi al centre A1, sabent que ha estat malalt, s’obté pel teorema de
Bayes.
La probabilitat que un empleat hagi estat malalt és:
P  E   P  A1  P E | A1   P  A2  P E | A2   0,3  0,05  0,7  0,03  0,036
De manera que la probabilitat que ens demanen és:
P( A1)P(E | A1) 0,3  0,05

P(A1 | E )    0,4167
P(E ) 0,036

36. L’alarma d’un comerç salta en el 97 % dels atracaments i sona sense cap motiu un 2 % de les vegades. Un
12 % de comerços ha patit un atracament. Si ha saltat l’alarma, calcula la probabilitat que el comerç hagi
tingut un intent d’atracament.
S  “l’alarma sona”, S  “l’alarma no sona”
A  “el comerç ha patit un atracament”, A = “el comerç no ha patit un atracament”
L’alarma funciona correctament quan sona si es produeix un atracament i no sona si es produeix un atracament; i
en conseqüència, no funciona correctament si sona quan no es produeix atracament i no sona quan es produeix un
atracament. És a dir:
    
P S | A  0,97 ; P S | A  0,03 ; P S | A  0,02 ; P S | A  0,98 
A més:
P(A)  0,12 ; P(A)  0,88
En un diagrama d’arbre:
La probabilitat que l’alarma soni es calcula amb el teorema de la probabilitat total:
P S   P  A  P S | A  P  A P S | A   0,12  0,97  0,88  0,02  0,134
La probabilitat que es demana s’obté per mitjà de la regla de Bayes:
P  A   P S | A  0,12  0,97
P A | S    0,8687
P S  0,134

EXERCICIS
Experiments aleatoris. Esdeveniments
48. En els diagrames de Venn següents, obtén la part acolorida mitjançant operacions amb esdeveniments:
a) B  A  B  A
b) B  A  A  B
c) B  C  B  C
d) A  B  A  B  C
49. En un centre educatiu es mesura l’estatura en centímetres dels estudiants de 1r de batxillerat i resulta
l’espai mostral E = [150, 190]. Siguin els esdeveniments A = “fer més de 170 cm, però menys de 180 cm
d’alçada”, B = “fer menys de 165 cm d’alçada” i C = “fer com a mínim 175 cm d’alçada”. Descriu els
esdeveniments següents:
a) A  C c) A  C e) A  B  C
b) B d) B  C f) B  C   A
Partint dels tres conjunts inicials A = (170,180) ; B = [150,165) ; C = [175,190] i d’un gràfic orientatiu,
les respostes són:
a) A  C  [175,180) (No mesurar menys de 175 ni com a mínim 180)
b) B = [165,190] (No mesurar menys de 165 cm)
c) A Ç C = [180,190] (No mesurar entre 170 i 180 cm i mesurar més de 175 cm).
d) B Ç C = [175,190] (No mesurar menys de 165 cm i mesurar com a mínim 175 cm).
e) A Ç B Ç C = [165,170] (No mesurar ni entre 170 i 180 cm, ni menys de 165 cm ni com a mínim 175 cm).
f) (B Ç C) È A = Æ È A = (170,180) (Mesurar menys de 165 i com a mínim 175 és impossible, de manera que en
unir-hi A, ens queda només A)

50. D’una baralla de 48 cartes se’n selecciona una a l’atzar. Considera els esdeveniments A = “obtenir un
basto”, B = “obtenir un as”, i C = “obtenir carta amb nombre més petit o igual que 5”. Descriu l’espai
mostral i els esdeveniments:
a) AÇ B c) A  B e) A  B
b) A  C d) A Ç B Ç C f) AB
L’espai mostral està format per les 48 cartes de la baralla: 12 d’oros, 12 d’espases, 12 de copes i 12 de bastos.
a) A Ç B  “Obtenir l’as de bastos”.

b) A  C  “Obtenir una carta de bastos o més petita o igual que 5”  “Les deu cartes del coll de bastos i les cinc
cartes de l’as al 5 d’oros, copes i espases”.
c) A  B  ”Obtenir un as que NO sigui de bastos”  “Obtenir l’as d’oros, el de copes o el d’espases”.
d) A Ç B Ç C  ”Obtenir l’as de bastos”.
e) A È B  “No obtenir un basto o bé no obtenir un as”.

En aquest cas, podem veure que A  B  A  B  “No obtenir l’as de bastos”.
f) A  B  “Obtenir un basto que no sigui l’as”.
51. En una petita ciutat es consideren els esdeveniments A = “ser soci de l’equip de futbol local” i B = “ser del
club d’amics de la música”. Escriu simbòlicament els esdeveniments següents:
a) Pertànyer com a mínim a un dels dos.
b) No pertànyer a cap equip.
c) Pertànyer com a màxim a un dels dos.
d) Pertànyer als dos.
a) L’esdeveniment “pertànyer com a mínim a un dels dos” és l’esdeveniment A È B .
b) L’esdeveniment “no pertànyer a cap dels dos” és l’esdeveniment A  B  A  B .
c) L’esdeveniment “pertànyer com a màxim a un dels dos” és l’esdeveniment A  B  A  B .

d) L’esdeveniment “pertànyer als dos” és l’esdeveniment A  B .

52. Considera l’experiment que consisteix a llançar un dau dues vegades consecutives. Descriu l’espai
mostral. Siguin els esdeveniments A = “la suma dels resultats és 7”, B = “la diferència de resultats en valor
absolut és 2”, i C = “el resultat dels dos llançaments és parell”. Escriu els esdeveniments:
a) A Ç C c) A Ç C e) B - C g) A  B  C
b) B Ç C d) A-B f) A ÇB ÇC h) ( A È B) Ç C
L’espai mostral de l’experiment “llançar un dau dues vegades consecutives” és:
 (1,1);(1,2);(1,3);(1,4);(1,5);(1,6);(2,1);(2,2);(2,3);(2,4);(2,5);(2,6); 
 
E  (3,1);(3,2);(3,3);(3,4);(3,5);(3,6);(4,1);(4,2);(4,3)(4,4);(4,5);(4,6);
(5,1);(5,2);(5,3);(5,4);(5,5);(5,6);(6,1);(6,2);(6,3)(6,4);(6,5);(6,6) 
 
Els esdeveniments A, B i C els formen els esdeveniments elementals següents:
A  (1,6);(2,5);(3,4);(4,3);(5,2);(6,1)
B  (1,3);(2,4);(3,5);(4,6);(3,1);(4,2);(5,3);(6,4)
C  (2,2);(2,4);(2,6);(4,2);(4,4);(4,6);(6,2);(6,4);(6,6)
a) A Ç C = Æ . Si els dos són parells no poden sumar 7.
b) B  C  (2,4);(4,2);(4,6);(6,4)
c) És conseqüència de l'apartat a), ja que C ha d’estar contingut en el contrari de A.
(1,1);(1,2);(1,3);(1,4); (1,5);(2,1);(2,2);(2,3);(2,4);(2,6); 
 
A  (3,1);(3,2);(3,3);(3,5);(3,6);(4,1);(4,2)(4,4);(4,5);(4,6);
(5,1);(5,3);(5,4);(5,5);(5,6);(6,2);(6,3)(6,4);(6,5);(6,6) 
 
A  C  C  (2,2);(2,4);(2,6);(4,2);(4,4);(4,6);(6,2);(6,4);(6,6)
d) A  B  (1,6);(2,5);(3,4);(4,3);(5,2);(6,1)  A
La intersecció de A i B és el buit; d’aquí ve que es torni a obtenir A.
e) B  C  (1,3);(3,5);(3,1);(5,3)
(1,1);(1,2);(1,4);(1,5);(2,1);(2,3); 
 
f) A  B  C  (3,1);(3,2);(3,3);(3,6);(4,1);(4,5); 
(5,1);(5,4);(5,5);(5,6); (6,3);(6,5)
 
g) (A  B)  C  (1,6);(2,5);(3,4);(4,3);(5,2);(6,1);(1,3);(3,5);(3,1);(5,3)

53. Es tria a l’atzar un nombre x de la recta real. Considera els esdeveniments A = “el nombre triat és entre el 0
i el 3, tots dos inclosos”, B = “el nombre triat és més gran que 2 i més petit o igual que 5” i C = “el nombre
triat és inferior a 1”. Descriu els esdeveniments següents:
a) A c) B  C e) A  B g) A Ç B Ç C
b) A È C d) A Ç C f) B -C h)  A  B C
Es determinen els conjunts donats. Per fer-ho serà útil una representació esquemàtica:
A  [0, 3], B  2, 5 , C  (, 1)
(
a) A = -¥,0 È 3,¥ ) ( )
b) A È C = [ 0,3] È ( -¥,1) = ( -¥,3]
c) B È C = ( 2,5] È [1,¥) = [1,¥)
d) Aplicant les lleis de De Morgan tenim: A  C  A  C   3,   .

e) A - B = 0,2 [ ]
f) Com que B i C tenen intersecció buida: B - C = B = 2,5 ( ]
g) A Ç B Ç C = Æ
h) ( A È B) Ç C = ([0,3] È ( 2,5] ) Ç [1,¥) = [0,5] Ç [1,¥) = [1,5]
54. Seleccionem una bola a l’atzar d’una bossa que conté 5 boles verdes numerades de l’1 al 5 i 5 boles
vermelles més també numerades de l’1 al 5. Siguin els esdeveniments A = “la bola seleccionada té nombre
parell”, B = “la bola seleccionada té nombre més petit que 3” i C = “la bola seleccionada és vermella”.
Descriu l’espai mostral i els esdeveniments:
a) A c) C e) A Ç B Ç C g)  A  B   C
b) B d) A È B f) A ÇC h) A Ç B Ç C
Per descriure l’espai mostral s’anomenen les boles tal com s’indica. Així, doncs:
E  Vm1, Vm2, Vm3, Vm4, Vm5, Vd1, Vd 2, Vd 3, Vd 4, Vd 5 , d’on es dedueix:
Vm1, Vm2, Vm3, Vm4, Vm5, Vd1, Vd 2, Vd 3, Vd 4, Vd 5
a) A  Vm2, Vm 4, Vm5, Vd 2, Vd 4
b) B  Vm1, Vm2, Vd1, Vd 2
c) C  Vm1, Vm2, Vm3, Vm 4, Vm5
d) A  B  Vm1, Vm2, Vm 4, Vd1, Vd 2, Vd 4
e) A  B  C  Vm 2,
f) A  Vm1, Vm3, Vm5, Vd1, Vd 3, Vd 5  A  C  Vm1, Vm3, Vm5
g)  A  B   C  Vm1, Vm2, Vm3, Vm 4, Vm5, Vd 2
h) A  B  C  Vd 3, Vd 5

Probabilitat i propietats
55. Siguin els esdeveniments A, B i C associats a un experiment aleatori. Si se sap que P(A) = 0,6, P(B) = 0,4 i
P(A ∪ B) = 0,75, calcula les probabilitats següents:
a) P  A  c) P  A  B  e) P  A  B 
b) P  B  d) P  A  B  f) P A  B
a) P  A  1 P  A  1 0,6  0,4
b) P  B   1 P  B   1 0,4  0,6
c) Com que P(A È B) = P(A) + P(B) - P(A Ç B) Þ 0,75 = 0,6 + 0,4 - P(A Ç B) Þ P(A Ç B) = 1- 0,75 = 0,25
d) P(A È B ) = P(A - B) = P(A) - P(A Ç B) = 0,6 - 0,25 = 0,35
e) P  A  B   P  A  B   1 P  A  B   1 0,25  0,75
f) P  A  B   P  A  B   1 P  A  B   1 0,75  0,25
56. Dels esdeveniments A i B associats a un experiment aleatori se sap que P(A) = 0,35 i P(B) = 0,6. Calcula la
probabilitat de l’esdeveniment B − A en cada un dels casos següents:
a) A i B són incompatibles.
b) A està contingut en B.
c) P(A  B)  0,2
d) P(A  B)  0,8
e) P(A  B)  0,1
a) Si A i B són incompatibles, aleshores P(A  B)  0 i per tant P(B - A) = P(B) - P(B Ç A) = 0,6 - 0 = 0,6
b) Si A està contingut en B llavors A  B  A i per tant:

P(B - A) = P(B) - P(B Ç A) = P(B) - P(A) = 0,6 - 0,35 = 0,25
c) Si P(A  B)  0,2 aleshores P(B - A) = P(B) - P(B Ç A) = 0,6 - 0,2 = 0,4
d) Si P(A  B)  0,8 , P(A È B) = P(A) + P(B) - P(A Ç B) Þ 0,8 = 0,35 + 0,6 - P(A Ç B) Þ P(A Ç B) = 0,15
D’on resulta: P(B - A) = P(B) - P(B Ç A) = 0,6 - 0,15 = 0,45
e) Si P(A  B)  0,1 , com que P(A - B) = P(A) - P(A Ç B) Þ 0,1 = 0,35 - P(A Ç B) Þ P(A Ç B) = 0,25
Així, doncs: P(B - A) = P(B) - P(B Ç A) = 0,6 - 0,25 = 0,35
57. Siguin A i B dos esdeveniments associats a un experiment aleatori. Si P(A) = 0,5, P(B) = 0,4 i
P  A  B   0,2; calcula la probabilitat de:
a) Com a mínim n’ocorri un dels dos.

b) Els dos esdeveniments ocorrin.
c) Només n’ocorri un dels dos.
a) Que com a mínim n’ocorri un dels dos és la unió dels esdeveniments; per tant:
0,2  P  A  B   P  A  B   1 P  A  B   P  A  B   0,8
b) Que ocorrin els dos és la intersecció dels esdeveniments; per tant:
P(A  B)  P(A)  P(B)  P  A  B   0,8  0,5  0,4  P  A  B   P  A  B   0,1

c) Que només n’ocorri un dels dos suposa que ocorri A o B, però no els dos a la vegada, és a dir:
P  A  B    A  B    P  A  B   P  A  B   0,8  0,1  0,7
Una altra manera de veure-ho és la següent:
P  A  B   B  A   P  A  B   P B  A  P(B)  P(A  B)  0,5  0,1 0,4  0,1  0,7
58. Donats els esdeveniments A, B i C associats a un experiment aleatori,

representats en el diagrama de Venn adjunt.
Se sap que P(A) = 0,3, P(B) = 0,4, P(C) = 0,1 i P  A  B   0,2; calcula la probabilitat
que:
a) Només ocorri A. d) N’ocorri com a mínim un dels tres.
b) Ocorrin els tres. e) No n’ocorri cap dels tres.
c) N’ocorrin dos i només dos. f) Com a molt n’ocorri un dels tres.
Abans de començar els càlculs, destaquem que C és incompatible amb A i amb B.
a) En aquest cas, que només ocorri A és A B, i per tant P(A - B) = P(A) - P(A Ç B) = 0,3 - 0,2 = 0,1
b) Que ocorrin els tres és A Ç B Ç C = Æ Þ P(A Ç B Ç C) = 0
( ) ( ) ( )
c) Que n’ocorrin dos i només dos és S = A Ç B - C È A Ç C - B È B Ç C - A però el primer coincideix amb
A Ç B i els dos últims són buits, de manera que: P(S) = (A Ç B) = 0,2
d) Que n’ocorri com a mínim un dels tres és la unió dels conjunts, i com que C és incompatible amb els altres:
P(A È B È C) = P(A È B) + P(C) = P(A) + P(B) - P(A Ç B) + P(C) Þ 0,3 + 0,4 - 0,2 + 0,1 = 0,6
e) Que no n’ocorri cap és el contrari de la unió: P  A  B  C   1 P  A  B  C   1 0,6  0,4
f) Que com a molt n’ocorri un dels tres, com que C és incompatible amb A i B resulta que
T= (( A È B) - ( A Ç B)) È C , aleshores:
P(T) = P(A È B) - P(A Ç B) + P(C) = P(A) + P(B) - 2P(A Ç B) + P(C) = 0,3 + 0,4 - 2 × 0,2 + 0,1 = 0,4
Assignació de probabilitats. Espais finits

59. Es llancen dos daus i s’observa el resultat obtingut en cada un d’aquests. Calcula la probabilitat:
a) D’obtenir com a mínim un 6.
b) Que la suma sigui parell i surti com a mínim un 5..
c) Que la suma sigui 7.
Comencem descrivint l’espai mostral i els esdeveniments proposats per aplicar després la regla de Laplace
(suposant equiprobabilitat)
 (1,1);(1,2);(1,3);(1,4);(1,5);(1,6);(2,1);(2,2);(2,3);(2,4);(2,5);(2,6); 
 
E  (3,1);(3,2);(3,3);(3,4);(3,5);(3,6);(4,1);(4,2);(4,3)(4,4);(4,5);(4,6);
(5,1);(5,2);(5,3);(5,4);(5,5);(5,6);(6,1);(6,2);(6,3)(6,4);(6,5);(6,6) 
 
a) L’esdeveniment A  “obtenir com a mínim un 6” està format pels esdeveniments elementals:
(1,6);(2,6);(3,6);(4,6);(5,6);(6,6) nre. de casos favorables 11

b) A    ; P  A  
 (6,1);(6,2);(6,3);(6,4);(6,5)  nre. de casos possibles 36
c) L’esdeveniment B  “Que la suma sigui parell i surti com a mínim un 5” està format pels esdeveniments
elementals:
nre. de casos favorables 5

B  (1,5);(3,5);(5,5);(5,3);(5,1) ; P  B   
nre. de casos possibles 36

d) L’esdeveniment C  “que la suma sigui 7” està format pels esdeveniments elementals:

C  (1,6);(2,5);(3,4);(4,3);(5,2);(6,1) ; P C    
60. Una bossa conté 10 boles blanques i 10 de verdes. S’extreuen simultàniament dues boles a l’atzar. Calcula
la probabilitat que:
a) Les dues siguin blanques.
b) Sigui una de cada color.
c) Siguin del mateix color.
Com que l’extracció de les boles és simultània, l’ordre no hi influeix, de manera que el nombre de resultats
possibles igualment probables és:
 15  15  14
C15,2      105
2 2
a) Sigui l’esdeveniment A  “les dues boles siguin blanques”. Les dues boles blanques s’han d’obtenir de les 10
blanques de la bossa; així, doncs, el nombre de resultats favorables és
 10  10  9
C10,2      45
2 2

I, aplicant la regla de Laplace, P  A     .
b) Sigui l’esdeveniment B  “sigui una bola de cada color”. Per cada bola blanca extreta (de les 10) es podran triar
5 boles verdes, de manera que el nombre de resultats favorables és:
 10   10 
C10,1  C5,1        10  5  50
1 1

Aplicant la regla de Laplace, P  B     .
c) L’esdeveniment C  “les dues boles siguin del mateix color” consisteix en el fet que “les dues boles siguin
blanques” o “les dues boles siguin verdes”, i el nombre de resultats favorables a C és:
 10   5  10  9 5  4
C10,2  C5,2          55
 2   2 2 2

De manera que finalment: P C    

61. D’una baralla de 48 cartes se n’extreuen dues simultàniament a l’atzar. Calcula la probabilitat que:
a) Les dues siguin d’oros. b) Les dues siguin asos. c) Com a mínim una d’aquestes sigui d’oros.
Si la baralla és de 48 cartes, tenim:
En aquest cas, com que l’extracció de les dues cartes és simultània, l’ordre no hi influeix i el nombre de resultats
 48  48  47
possibles igualment probables és C48,2      1128 .
 2 2
a) Sigui l’esdeveniment A  “les dues cartes siguin d’oros”. El nombre de resultats favorables a l’esdeveniment A
 12  12  11
és, com que hi ha 12 cartes d’oros, C12,2      66 .
2 2
De manera que aplicant la regla de Laplace: P  A    
b) Sigui l’esdeveniment B  “les dues cartes siguin asos”. Com que en la baralla hi ha 4 asos, el nombre de
 4 4  3
resultats favorables a l’esdeveniment C és C4,2     6.
 2 2
I, aplicant la regla de Laplace, resulta: P  B     .
c) L’esdeveniment C  “com a mínim una de les cartes sigui d’oros” és l’esdeveniment contrari de “cap de les
dues cartes sigui d’oros”. El nombre de resultats favorables a l’esdeveniment C és
 36  36  35
C36,2      630 .
2 2
De manera que la probabilitat de l’esdeveniment C és P C    nre. de casos favorables


630 105

.
I, finalment, la probabilitat de l’esdeveniment C és P(C )  1  P C   1 

105 83
 .
188 188
Si la baralla és de 40 cartes, tenim:
En aquest cas, com que l’extracció de les dues cartes és simultània, l’ordre no hi influeix i el nombre de resultats
 40  40  39
possibles igualment probables és C40,2      780 .
 2 2
d) Sigui l’esdeveniment A  “les dues cartes siguin d’oros”. El nombre de resultats favorables a l’esdeveniment A
 10  10  9
és, com que hi ha 10 cartes d’oros, C10,2      45 .
2 2
De manera que aplicant la regla de Laplace: P  A    
e) Sigui l’esdeveniment B  “les dues cartes siguin asos”. Com que a la baralla hi ha 4 asos, el nombre de
 4 4  3
resultats favorables a l’esdeveniment C és C4,2     6.
 2 2
I, aplicant la regla de Laplace, resulta: P  B     .
f) L’esdeveniment C  “com a mínim una de les dues cartes sigui d’oros” és l’esdeveniment contrari de “cap de
les dues cartes sigui d’oros”. El nombre de resultats favorables a l’esdeveniment C és
 30  30  29
C30,2      435 .
2 2
De manera que la probabilitat de l’esdeveniment C és P C    nre. de casos favorables 435 29

nre. de casos possibles
 
780 52
.
I, finalment, la probabilitat de l’esdeveniment C és P(C )  1  P C   1 

29 23
 .
52 52

62. Amb la finalitat de recaptar fons per a un viatge, els alumnes de primer curs de batxillerat fan una rifa de
500 números. Un professor compra dos números.
a) Si només hi ha un premi, quina és la probabilitat que li toqui al professor?
b) Si hi ha dos premis, quina és la probabilitat que com a mínim un li toqui al professor?
a) En aquest cas, la probabilitat es calcula de manera immediata aplicant la regla de Laplace:

P  A     0,004
b) Si s’anomena l’esdeveniment B  “com a mínim un li toqui al professor”, que té com a esdeveniment contrari
B  “cap dels dos li toqui al professor”, el nombre de resultats favorables a l’esdeveniment B és
 498  498  497
C498,2     123 753 , mentre que el nombre de casos possibles si el professor compra dos
 2  2
 500  500  499
números (no té importància l’ordre en què ho hagi fet) serà C500,2     124 750 , de manera que:
 2  2
P B  nre. de casos favorables 123 753


 0,992
I, finalment, la probabilitat de l’esdeveniment B és: P (B )  1  P (B )  1  0,992  0,008 .
63. En un examen teòric d’educació vial hi ha 14 preguntes sobre normes de circulació, 12 sobre senyals i 8 de
comportament cívic. Si es trien dues preguntes a l’atzar, calcula la probabilitat que:
a) Les dues siguin de normes de circulació.
b) No n’hi hagi cap de normes de circulació.
En la tria de les dues preguntes no importa l’ordre; per tant, com que hi ha 34 preguntes, el nombre de resultats
 34  34  33
possibles és: C34,2      561 .
2 2
a) Sigui A  “les dues preguntes siguin de normes de circulació”. Com que hi ha 14 preguntes de circulació, el
 14  14  13
nombre de resultats favorables és: C14,2      91 .
2 2
I, aplicant la regla de Laplace: P  A     0,16221 .
b) Sigui B  “cap de les dues sigui de normes de circulació”. Com que hi ha 20 preguntes que no són de
 20  20  19
circulació, el nombre de resultats favorables a l’esdeveniment B és C20,2      190 .
 2 2
I, aplicant la regla de Laplace: P  B     0,33868 .
64. Disposem de les xifres 1, 2, 3, 4 i 5. Amb aquestes es formen a l’atzar nombres de dues xifres. Calcula la
probabilitat que el nombre format sigui parell si:
a) Les xifres de cada nombre han de ser diferents.
b) Si a cada nombre hi pot haver xifres repetides.
a) Si les xifres han de ser diferents, el nombre de resultats possibles és V5,2  5  4  20 , mentre que el nombre
de resultats favorables a l’esdeveniment A  “el nombre format sigui parell” és 2V4,1  2  4  8 , ja que hi ha
dues xifres parelles (2 i 4) i en queda una per triar de les quatre restants. Així, doncs, la probabilitat de
l’esdeveniment A és:


P  A     0,4
b) En aquest cas, el nombre de resultats possibles és VR5,2  5  25 i el nombre de resultats favorables a

2
l’esdeveniment B  “el nombre format és parell” és 2  VR5,1  2  5  10 . Per tant:

P B      0,4
65. Un grup de 8 amics ha aconseguit entrades per a la final d’un torneig de tennis. Si les vuit butaques es
troben a la mateixa fila i seuen a l’atzar, calcula la probabilitat que l’Andreu i la Carme seguin en butaques
adjacents.
El nombre d’ordenacions possibles dels vuit amics i amigues és: P8  8!  40 320 .
Sigui A  “L’Andreu i la Carme seuen en butaques adjacents”

Si ara considerem la parella Andreu-Carme com un únic element, el nombre de maneres d’ordenar 7 elements és
P7 , però com que a més l’Andreu i la Carme es podrien intercanviar les posicions i continuarien estant junts, el
nombre de resultats favorables a l’esdeveniment A és: P2P7  2! 7!  10 080
nre. de casos favorables 10 800 1

Aplicant la regla de Laplace: P  A      0,25
nre. de casos possibles 40 320 4
66. Amb les lletres AAARRRS es formen totes les paraules possibles, tinguin sentit o no. Si s’agafa a l’atzar
una de les paraules formades, calcula la probabilitat que sigui la paraula ARRASAR.
El nombre de paraules diferents que es poden formar amb les lletres AAARRRS és el de permutacions amb
repetició de 7 lletres, on la A es repeteix 3 vegades, la R també tres vegades i la S una vegada. És a dir:
7!
  140
3,3,1
PR7
3! 3!1!
Aquests són els resultats possibles. Com que només una d’aquestes paraules és ARRASAR, utilitzant la regla de
Laplace:
P( A)    0,00714
67. En una loteria de 100 números se sortegen dos premis: un llibre electrònic i una tauleta. Si en Joan té 8
números, troba la probabilitat que guanyi:
a) Només un dels premis.
b) Com a mínim un dels dos premis.
Dels 100 números de la loteria, en Joan en té 8, de manera que al bombo hi ha 8 nombres favorables al Joan i 92
nombres desfavorables.
Del bombo se n’extrauen dos premis, de manera que el nombre de resultats possibles equiprobables és:
 100  100  99
C100,2     4950
 2  2

a) Sigui l’esdeveniment A  “en Joan guanya només un dels dos premis”. Perquè ocorri l’esdeveniment A, un
número premiat ha de ser dels 8 que té en Joan i l’altre ha de ser dels 92 restants:
Nombre de resultats favorables a l’esdeveniment A: C8,1  C92,1  8  92  736
De manera que la probabilitat que guanyi un sol premi és, per la regla de Laplace:

P ( A)    0,1469
b) Sigui l’esdeveniment B  “en Joan guanya com a mínim un dels dos premis”. Considera l’esdeveniment contrari
a B: B  “en Joan no guanya cap dels premis”
Nombre de resultats favorables a B (els 2 números premiats són dels 92 que no té en Joan) :
 90  92  91 4186
C90,2      4186 Per tant, P (B )   0, 8457  P (B )  1  0, 8457  0,1543
2 2 4950
68. Considera les famílies amb 5 fills. Suposant que la probabilitat de néixer nen o nena és la mateixa, calcula
la probabilitat que una família triada a l’atzar tingui:
a) Com a mínim un nen. c) Com a molt 4 nens.
b) Exactament 3 nenes. d) 2 nenes i 3 nens.
En les famílies amb 5 fills, el nombre de resultats possibles igualment probables (la probabilitat de néixer nen o
nena és la mateixa) és el de variacions amb repetició d’ordre 5 (els cinc fills) dels 2 elements (nen, nena). És a
dir: VR2,5  2  32
5
a) Sigui l’esdeveniment A  “la família té com a mínim un nen”. l’esdeveniment contrari de A és

A  “la família no té cap nen”, amb només un resultat favorable (totes nenes). Per tant, mitjançant la regla de
Laplace P ( A )    P ( A)  1  P ( A )  1  
b) Sigui l’esdeveniment B “la família té exactament 3 nenes”. El nombre de resultats favorables a l’esdeveniment
B és el de permutacions amb repetició de 5 elements (els cinc fills) on nena es repeteix 3 vegades i nen 2
5!
vegades; així, doncs: PR5   10 .
3,2
3! 2!
De manera que, utilitzant la regla de Laplace: P (B )   
c) Sigui l’esdeveniment C  “com a molt 4 nens”. L’esdeveniment contrari a C és C  “més de 4 nens”, és a dir, 5
nens. I aquest esdeveniment només té un cas possible, i d’aquí es dedueix, igual que a l’apartat a) mitjançant la
regla de Laplace P (C )    P (C )  1  P (C )  1  
d) Sigui l’esdeveniment D  “2 nenes i tres nens”. El nombre de resultats favorables a l’esdeveniment B és el de

permutacions amb repetició de 5 elements (els cinc fills) on nena es repeteix 2 vegades i nen 3 vegades.
5!
(observeu la simetria amb l’apartat b); així: PR5   10
2,3
2! 3!

De manera que, utilitzant la regla de Laplace: P (D )   

69. Es llança un dau dues vegades i es consideren els esdeveniments A = “obtenir com a mínim un 6” i B = “la
diferència de puntuacions és 1”. Calcula la probabilitat de l’esdeveniment A  B .
L’espai mostral de l’experiment ve donat per:
 (1,1);(1,2);(1,3);(1,4);(1,5);(1,6);(2,1);(2,2);(2,3);(2,4);(2,5);(2,6); 
 
E  (3,1);(3,2);(3,3);(3,4);(3,5);(3,6);(4,1);(4,2);(4,3)(4,4);(4,5);(4,6);
(5,1);(5,2);(5,3);(5,4);(5,5);(5,6);(6,1);(6,2);(6,3)(6,4);(6,5);(6,6) 
 
que té 36 esdeveniments elementals que suposem equiprobables.

Els esdeveniments A i B estan formats pels esdeveniments elementals següents:

(1,6);(2,6);(3,6);(4,6);(5,6);(6,6)
 
(1,2);(2,3);(3,4);(4,5);(5,6)

A  B 
 (6,1);(6,2);(6,3);(6,4);(6,5) 
  (2,1);(3,2);(4,3);(5,4);(6,5)
 
(1, 2);(2, 3);(3, 4);(4, 5);(5, 6);(4, 6);(3, 6);(2, 6);(1, 6);(6, 6);
AB   
(2,1);(3, 2);(4, 3);(5, 4);(6, 5);(6, 4);(6, 3);(6, 2);(6,1) 
De manera que, utilitzant la regla de Laplace: P ( A  B )   .
70. En una rifa benèfica, es venen 500 paperetes, de les quals 150 tenen un premi de 20 €, 100 tenen un premi
de 50 € i la resta no tenen premi. Si una persona compra una papereta, calcula la probabilitat que:
a) Guanyi un premi de 20 €.
c) Si la persona compra dues paperetes, guanyi com a mínim un premi.
Se suposa que els resultats possibles són equiprobables, de manera que s’utilitza la regla de Laplace.
a) Sigui l’esdeveniment A  “guanyi un premi de 20 euros”, que té 150 paperetes “favorables”; així, doncs:
150 3
P ( A)  
500 10
 500  500  499

b) Si es compren dues paperetes, el nombre de resultats possibles és: C500,2     124 750 ,
 2  2!
ja que no importa l’ordre en què es comprin les paperetes.

Per calcular la probabilitat de l’esdeveniment B  “la persona guanyi com a mínim un premi”, es considera
l’esdeveniment contrari C  “la persona no guanyi cap premi” i el nombre de resultats favorables a
l’esdeveniment C és:
 250  250  249

C250,2     31125
 2  2!
De manera que, utilitzant la regla de Laplace:

31125
P (C )   0, 2495  P (C )  1  P (C )  1  0, 2495  0, 7505
124750

71. Disposem d’un dau trucat de manera que la probabilitat que surti nombre parell és doble que la d’obtenir-
ne un de senar. Si es llança el dau un cop, calcula la probabilitat d’obtenir:
a) Nombre parell.
b) Nombre senar.
c) Un nombre més petit que 4.
Suposant que la probabilitat d’obtenir qualsevol nombre senar (1, 3 o 5) és la mateixa, sigui p, i que també es la
mateixa la d’obtenir qualsevol nombre parell (2, 4 o 6), és a dir 2p, aleshores:
1
p  p  p  2p  2p  2p  1  p 
9
a) La probabilitat de l’esdeveniment A  “obtenir nombre parell” és:
2 2 2 6 2
P ( A)  P (2)  P (4)  P (6)     
9 9 9 9 3
b) La probabilitat de l’esdeveniment B  “obtenir nombre senar” és:
2 1
P (B )  1  P ( A)  1  
3 3
c) La probabilitat de l’esdeveniment C  “obtenir un nombre més petit que 4” és:
1 2 1 4
P (C )  P (1)  P (2)  P (3)    
9 9 9 9
72. Es llança 10 cops una moneda. Calcula la probabilitat d’obtenir:

a) 2 cares i 8 creus.
b) Com a molt 2 cares.
c) Un nombre parell de cares.
El nombre de resultats possibles quan es llança 10 vegades una moneda equilibrada (C i X equiprobables) és el de
variacions amb repetició d’ordre 10 (els 10 llançaments), dels dos elements (C i X), és a dir: VR2,10  2  1024 .
10
a) Sigui l’esdeveniment A  “obtenir 2 cares i 8 creus”. Els resultats favorables a aquest esdeveniment es poden
comptar com a permutacions amb repetició o, com que es tracta de dos elements (C, X) com a combinacions,
ja que:
10!
PR10   45
2,8
2! 8!
45
I, aleshores, la probabilitat de l’esdeveniment A és: P ( A )   0, 0439 .
1024
b) Sigui B  “obtenir com a molt 2 cares”. Aquest esdeveniment és la unió de 3 esdeveniments incompatibles:
B0  “cap cara”; Resultats favorables a B0: 1
10!
B1  “exactament 1 cara”; Resultats favorables a B1: PR10 
 10
1,9
1! 9!
B2  “exactament 2 cares” Resultats favorables a B2: 45 (calculats a l’apartat a)
1 10 45 56 7
Aleshores, P (B )  P (B0 )  P (B1 )  P (B2 )       0, 0547
1024 1024 1024 1024 128

c) Sigui C  “obtenir un nombre parell de cares”. Es pot escriure l’esdeveniment C com a unió dels esdeveniments
incompatibles Cj  “obtenir j cares” amb j  0, 2, 4, 6, 8 i 10.
j ,10  j
10!
Resultats favorables a l’esdeveniment Cj : PR10  .
j !(10  j )!
Aleshores:
1 45 210 210 45 1 512
P (C )  P (C0 )  P (C2 )  P (C4 )  P (C6 )  P (C8 )  P (C10 )         0,5
1024 1024 1024 1024 1024 1024 1024
Probabilitat condicionada. Independència

73. Siguin A i B dos esdeveniments associats a un experiment aleatori tal que P(A) 0,25; P(B|A) 0,5;
P(A|B) 0,25.
a) Són A i B incompatibles?
b) Són A i B independents?
c) Calcula P ( A | B ) .
a) A i B són incompatibles si P ( A  B )  0
P( A  B)
Com que P (B | A )   P ( A  B )  P (B | A )  P ( A )  0, 5  0, 25  0,125  0 , A i B no són
P ( A)
incompatibles.
b) Són independents si P ( A  B )  P( A)  P(B) i en aquest cas, com que P ( A | B )  0, 25  P ( A) sí que són
independents. Una altra manera de comprovar-ho és la següent:
P( A  B) P ( A  B ) 0,125
P( A | B)   P (B )    0, 5  P ( A)  P ( B )  0, 25  0, 5  0,125  P ( A  B )
P (B ) P( A | B) 0, 25
c) Com que P ( A)  P (B )  P( A | B )  P (B )  P ( A | B )  0, 25  0,5  0, 25  0,5  P( A | B )  P( A | B )  0, 25 ,
tenim que P ( A | B )  1  P ( A | B )  0,75
74. Siguin A i B dos esdeveniments independents associats a un experiment aleatori. Se sap que P(A) = 0,3 i
que P(B) = 0,7. Calcula la probabilitat que:
a) Ocorri com a mínim un dels dos esdeveniments.
b) Ocorri A, si se sap que com a mínim un dels dos ha ocorregut.
c) Ocorri B, si se sap que A no ha ocorregut.
a) Que n’ocorri com a mínim un és la unió dels dos esdeveniments. Com que, pel fet de ser independents, es té
que: P( A  B )  P ( A)  P (B )  0,3  0,7  0, 21 , la probabilitat que ens demanen és:
P( A  B )  P( A)  P(B)  P( A  B)  0,3  0,7  0, 21  0,79
P ( A  ( A  B )) P ( A) 0, 3
b) P ( A | ( A  B ))     0, 37975
P( A  B) P( A  B) 0, 79
c) Se sap que P (B )  P (B  A)  P (B  A )  0,7  0, 21  P (B  A )  P (B  A )  0, 49 . Per

P( A  B) P ( A) 0, 49
tant: P (B | A )     0, 7
P( A ) 1  P ( A) 0, 7
(Fixeu-vos que era un resultat immediat, ja que si A i B són independents, A i B també ho són, de manera que
P  B | A   P  B   0,7 ).

75. Siguin A i B dos esdeveniments tals que P(A)  0,5; P(B)  0,4 i P ( A  B )  0, 75 . Calcula:
a) P ( A | B ) b) P (B | A)
 
a) Com que 0, 75  P ( A  B )  P A  B  1  P ( A  B )  P ( A  B )  0, 25
P( A  B) 0, 25
P( A | B)  1  P( A | B)  1   1  0, 375 .
P (B ) 0, 4
P B  A
b) P  B | A   1  P  B | A   1 
0,25
 1  0,5.
P  A 0,5
76. Siguin A i B dos esdeveniments associats a un experiment aleatori, amb P(A)  0,5; P(B)  0,4 i
P ( A  B )  0, 2 .
a) Els esdeveniments A i B, són independents?
b) Calcula P (B | A) .
 
a) Com que 0, 2  P ( A  B )  P A  B  1  P ( A  B )  P ( A  B )  0, 8
Ara com que P( A  B)  P( A)  P(B)  P( A  B)  0,8  0,5  0, 4  P( A  B)  P( A  B)  0,1
Però 0,1  P( A  B)  P( A)  P(B)  0,5  0, 4  0, 2 Així, doncs, A i B no són independents.
P( A  B) 0,1
b) P (B | A )  1  P (B | A )  1   1  0, 8
P ( A) 0, 5
77. Es consideren dos esdeveniments A i B associats a un experiment aleatori, tals que:
1 1 1
P ( A)  ; P (B )  ; P ( A  B) 
3 4 2
a) Són A i B independents?
b) Calcula les probabilitats següents: i. P ( A | B ) ii. P ( A | B ) iii. P (B | A )
1 1 1 1 1 1
a) P ( A  B )  P ( A)  P (B )  P ( A  B )     P( A  B)  P( A  B)     P ( A)  P (B )
2 3 4 12 3 4
Per tant, sí que són independents.
b) Recordem que si A i B són independents, també ho són A i B , ja que

P ( A)  P ( A  B )  P ( A  B )  P ( A)  P (B )  P ( A  B ) 
 P ( A  B )  P ( A)  P ( A)  P ( B )  P ( A)  (1  P ( B ))  P ( A)  P (B )
Per tant:
2
a) P ( A | B )  1  P ( A | B )  1  P ( A) 
3
2
ii) P ( A | B )  1  P ( A | B )  1  P ( A) 
3
1
iii) P (B | A )  P (B ) 
4

Probabilitat total i teorema de Bayes

78. Es llança una moneda i si el resultat és cara, tot seguit es llança un dau que té 4 cares vermelles i 2 de
blanques. En canvi, si surt creu, es llança un dau amb 2 cares vermelles i 4 de blanques.
a) Quina és la probabilitat que s’obtingui una cara vermella?
b) Si el resultat del dau ha estat una cara vermella, quina és la probabilitat que s’hagi obtingut cara en llançar la
moneda?

A  “llançar el dau de 4 cares vermelles i 2 blanques”
B  “llançar el dau de 2 cares vermelles i 4 blanques”
R  “obtenir cara vermella”.
1 1 2 1
Tenim que: P ( A)  ; P (B )  ; P (R | A )  ; P (R | B ) 
2 2 3 3
El diagrama d’arbre adjunt recull la situació.

V
a) Utilitzant el teorema de la probabilitat total:

1 2 1 1 1 V
P (R )  P ( A)  P (R | A)  P (B )  P (R | B )     
2 3 2 3 2
V
1 2

P ( A)  P (R | A ) 2 3 2
b) Pel teorema de Bayes: P ( A | R )    V
P (R ) 1 3
2
79. Es tenen tres capses. Es llança un dau equilibrat. Si surt nombre parell es tria la capsa que conté 3 boles
verdes, 2 de blanques i 2 de vermelles; si el resultat del dau és l’1, la capsa triada conté 4 boles verdes, 2
de blanques i 5 de vermelles. En cas contrari, es tria la capsa que conté 2 boles verdes, 3 de blanques i 1
de vermella. Calcula la probabilitat que:
a) Les dues boles extretes siguin verdes.
b) Si les dues boles extretes són verdes, siguin de la capsa que només conté 2 boles verdes.
Considerem V = verd i Vm = vermell.
Siguin les capses: C1  3V , 2B, 2Vm ; C2  4V , 2B,5Vm ; C 3  2V,3 B,1Vm 
La probabilitat de triar una capsa o una altra depèn del resultat del llançament del dau
1 1 1
P (C1 )  ; P (C2 )  ; P (C3 ) 
2 6 3
Suposem que l’extracció és sense reemplaçament i recollim les

diverses possibilitats que l’extracció sigui una bola verda (V) o no
ho sigui (N) en el diagrama d’arbre adjunt:

P (VV
1 2
)  P (C1 )  P (V1 | C1 )  P (V2 | (V1  C ))  P (C
1 2
)  P (V1 | C2 )  P (V2 | (V1 C 2
)) 
1 3 2 1 4 3 1 2 1 155
 P (C3 )  P (V1 | C3 )  P (V2 | (V1 C 3
))            0,1118
2 7 6 6 11 10 3 6 5 1386
1 2 1
 
P (C3 )  P (VV | C3 ) 3 6 5 154
)    0,1987
1 2
b) Pel teorema de Bayes: P (C3 | VV
1 2
P (VV ) 155 775
1 2
1386
Síntesi
80. Dels esdeveniments A i B associats a un experiment aleatori se sap que P(A)  0,3 i P(B)  0,4. Calcula en
cada cas la probabilitat de l’esdeveniment B  A quan:
b) A i B són independents.
c) P ( A  B )  0,5.
a) Si A i B són incompatibles: P( A  B)  0  P(B  A)  P(B)  P( A  B)  P(B)  0, 4.
b) Si A i B són independents:
P( A  B )  P( A)  P(B )  0,3  0, 4  0,12  P(B  A)  P(B)  P( A  B)  0, 4  0,12  0, 28.
c) Si 0,5  P( A  B)  P( A)  P(B)  P( A  B)  0,3  0, 4  P( A  B)  P( A  B)  0, 2.
Per tant, P(B  A)  P (B )  P ( A  B )  0, 4  0, 2  0, 2
81. Siguin A i B dos esdeveniments d’un espai mostral, amb P(A)  0,55 i P(B)  0,3. Calcula en cada cas les
probabilitats dels esdeveniments A  B i A  B si:
b) A i B són independents.
c) P ( A | B )  0, 6.
a) Si A i B són incompatibles: P( A  B)  0  P( A  B)  P( A)  P(B)  P( A  B)  0,55  0,3  0,85
b) Si A i B són independents: P( A  B )  P( A)  P(B )  0,55  0,3  0,165
Per tant: P( A  B)  P( A)  P(B)  P( A  B)  0,55  0,3  0,165  0, 685

P( A  B) P( A  B)
c) Si 0, 6  P ( A | B )    0, 6  P ( A  B )  0, 6  0, 3  0,18
P (B ) 0, 3
Per tant: P( A  B)  P( A)  P(B)  P( A  B)  0,55  0,3  0,18  0, 67
QÜESTIONS
82. Comprova que si A i B són dos esdeveniments independents associats a un experiment aleatori, es
compleix que: P ( A  B)  1  P ( A )  P (B )
Pel fet de ser independents, P ( A  B )  P( A)  P(B) ; per tant:
1  P ( A )  P (B )  1   (1  P ( A))  (1  P (B )   1  1  P ( A)  P (B )  P ( A)  P (B )  
 P ( A)  P (B )  P ( A)  P (B )  P ( A)  P (B )  P ( A  B )  P ( A  B )

83. Siguin A i B dos esdeveniments. Considera l’esdeveniment C: “només n’ocorre un dels dos”. Demostra
que:
P (C )  P ( A)  P (B)  2  P ( A  B)
L’esdeveniment C és C  ( A  B)  (B  A) sent aquests dos incompatibles, i d’aquí ve que:
P(C )  P( A  B )  P(B  A)  P( A)  P( A  B )  P (B )  P ( A  B )  P ( A)  P (B )  2  P( A  B )
84. Siguin A, B i C tres esdeveniments d’un espai mostral tals que:
P ( A | C )  P (B | C ) ; P ( A | C )  P (B | C ) ; P (C )  0 ; P (C )  0
Raona quina de les dues afirmacions següents és correcta.

a) P ( A)  P (B ) b) P (B )  P ( A)
Com que ni C ni el seu contrari tenen probabilitat nul·la, aplicant el teorema de la probabilitat total:
P ( A)  P (C )  P ( A | C )  P (C )  P ( A | C )  P (C )  P (B | C )  P (C )  P (B | C )  P (B )
És a dir, l’afirmació correcta és a).
PROBLEMES
85. Considera dues urnes, la primera amb 5 boles blanques i 6 de verdes i la segona amb 4 boles blanques i 3
de verdes. De la primera urna s’extreu una bola a l’atzar i es passa a la segona urna. Finalment, de la
segona urna s’extreu una bola a l’atzar. Calcula la probabilitat que aquesta sigui verda.
Siguin U1  {5B, 6V} i U2  {4B, 3V} les dues urnes proposades (B: bola blanca; V: bola verda).
En la primera etapa de l’experiment, es passa una bola a l’atzar de l’urna U1 a la U2, que pot ser blanca o verda, i
això dona lloc respectivament a les urnes:
U21 {5B, 3V} o U22 {4B, 4V}
amb les probabilitats següents, tenint en compte que, quan s’extreu la bola de U1, els resultats possibles són
equiprobables i s’aplica la regla de Laplace:
5 6
P (U 21 )  ; P (U 22 ) 
11 11
De l’urna formada en la primera etapa se n’extreu una bola a l’atzar. Sigui l’esdeveniment A  “la bola extreta és
verda”.
Depenent de si l’urna formada és U21 o U22, la probabilitat d’extreure’n bola verda és diferent:
3 4 1
P ( A | U 21 )  ; P ( A | U 22 )  
8 8 2

En el diagrama d’arbre es mostren les dues etapes.
Així, aplicant el teorema de la probabilitat total, s’obté:
3 5 1 6 39
P ( A)  P ( A | U 21 )  P (U 21 )  P ( A | U 22 )  P (U 22 )       0, 4432
8 11 2 11 88
86. En un congrés internacional es consideren oficials tres idiomes: A, B i C. El 40 % dels participants domina
l’idioma A, el 36 % domina el B, el 18 %, el C, el 30 % domina els idiomes A i B, el 14 % domina els idiomes
A i C, i el 12 %, els B i C. Finalment un 8 % dels congressistes domina tots tres idiomes. Entre els
assistents se selecciona una persona a l’atzar. Calcula la probabilitat que:
a) No domini cap dels tres idiomes.
b) En domini només un dels tres.
c) Domini l’idioma B però no el C.
d) Domini exactament dos dels tres idiomes.
Considera els esdeveniments:
A  “domina l’idioma A”, B  “domina l’idioma B”, C  “domina l’idioma C”
a) Si una persona és seleccionada a l’atzar:

l’esdeveniment “no domini cap dels tres idiomes” és
l’esdeveniment A  B  C , que té com a probabilitat
 
P A  B  C   P A  B  C  1 P A  B  C
Com que P  A  B  C   P ( A)  P (B )  P (C )  P ( A  B )  P ( A  C )  P (B  C )  P ( A  B  C )
tenim que P  A  B  C   0, 40  0,36  0,18  0,30  0,14  0,12  0,08  0, 46
 
En conseqüència: P  A  B  C   P A  B  C  1  P  A  B  C   1  0, 46  0, 54

b) Sigui U “domina només un dels tres idiomes”. S’ha de calcular la probabilitat de la unió dels esdeveniments
incompatibles: “només domina l’idioma A”, “només domina l’idioma B” i “només domina l’idioma C”, que
s’escriuen respectivament:
A  B C ; A  B C ; A  B C
tal com es mostra al diagrama següent.
P ( A  B  C )  P ( A)  P ( A  B )  P ( A  C )  P ( A  B  C ) 
 0, 40  0, 30  0,14  0, 08  0, 04
P ( A  B  C )  P (B )  P ( A  B )  P (B  C )  P ( A  B  C ) 
 0, 36  0, 30  0,12  0, 08  0, 02
P ( A  B  C )  P (C )  P (C  B )  P ( A  C )  P ( A  B  C ) 
 0,18  0,14  0,12  0, 08  0
La probabilitat que ens demanen és P (U )  0, 04  0, 02  0, 06 .
c) La probabilitat de l’esdeveniment B  C  “domina l’idioma B però no el C”,

P(B  C )  P(B )  P(B  C )  0,36  0,12  0, 24
tal com es mostra al diagrama.
d) Sigui l’esdeveniment D “domina exactament 2 dels 3 idiomes”, que

és la unió dels esdeveniments “domina A i B però no C”, “domina A i C
però no B” i “domina B i C però no A”, que s’escriuen respectivament:
A  B C ; A  B C ; A  B C
que es poden veure al diagrama següent.
Les seves probabilitats són:
P ( A  B  C )  P ( A  B )  P ( A  B  C )  0, 30  0, 08  0, 22
P ( A  B  C )  P ( A  C )  P ( A  B  C )  0,14  0, 08  0, 06
P ( A  B  C )  P ( B  C )  P ( A  B  C )  0,12  0, 08  0, 04
Per tant: P (D)  0, 22  0,06  0,04  0,32
87. En les eleccions al Consell Escolar d’un institut se sap que la probabilitat que una mare vagi a votar és
0,28, que voti el pare és 0,21 i que votin tots dos, 0,15. Calcula la probabilitat que:
a) Com a mínim un dels dos voti.
b) No voti cap dels dos.
c) Només voti la mare.
Siguin els esdeveniments: A  “vota la mare” B  “vota el pare”. Se sap que

P ( A)  0, 28 ; P(B)  0, 21 ; P( A  B)  0,15 .
a) L’esdeveniment “com a mínim un dels dos voti” és l’esdeveniment A  B , la probabilitat del qual és:
P( A  B )  P( A)  P(B)  P( A  B)  0, 28  0, 21  0,15  0,34
b) L’esdeveniment “no voti cap dels dos” es l’esdeveniment A  B , i la seva probabilitat és:
P  A  B   P  A  B   1  P ( A  B )  1  0,34  0, 66.
c) L’esdeveniment “només voti la mare” és l’esdeveniment A  B  A  B , i la seva probabilitat és:

P( A  B )  P( A)  P( A  B )  0, 28  0,15  0,13

88. Un estudiant es presenta a una prova que consta de 20 temes dels quals n’ha preparat 10. A la prova es
trien per sorteig 3 temes dels 20 i ha de contestar-ne un que ell triï. Calcula la probabilitat que:
a) Sàpiga contestar només un dels tres temes.
b) Superi la prova.
Com que no importa l’ordre en què s’escullin els temes, el nombre de resultats possibles (equiprobables) quan
s’extreuen 3 temes dels 20 és:
 20  20  19  18
C20,3     1140
3 3!
a) Per a l’estudiant, els 20 temes es divideixen en dos grups: 10 que se sap i 10 que no se sap.
Sigui l’esdeveniment A  “l’estudiant sap contestar només un dels tres temes”.
El tema que se sap s’escull dels 10 que se sap, i els altres dos es trien dels 10 que no se sap, de manera que
el nombre de resultats favorables és:
10 10  9
C10,1  C10,2    450
1! 2!
450 15
Així, doncs, aplicant la regla de Laplace, resulta: P ( A )  
 0, 39474
1140 38
b) Sigui l’esdeveniment B  “l’estudiant superi la prova” que es pot enunciar així “l’estudiant se sap com a mínim
un dels tres temes”.
Es considera l’esdeveniment contrari de B: B  “l’estudiant no supera la prova”, que es pot enunciar així:
“l’estudiant no se sap cap dels tres temes”.
En aquest cas, els tres temes han de sortir dels 10 que no se sap, i per això el nombre de resultats favorables a
10  9  8
l’esdeveniment B és: C10,3   120
3!
120 2
Utilitzant la regla de Laplace es té: P (B )    0,10526
1140 19
2 17
I finalment, P (B )  1  P (B )  1    0, 89474
19 19
89. En una determinada espècie de mamífers apareixen dues característiques genètiques A i B independents
amb probabilitats 0,5 i 0,8, respectivament. Calcula la probabilitat que un exemplar d’aquesta espècie triat
a l’atzar:
a) Presenti totes dues característiques.
b) No presenti cap de les dues característiques.
c) Presenti només una de les dues característiques.
d) Presenti la característica A si se sap que té la B.
A  “el mamífer presenta la característica genètica A”;
B  “el mamífer presenta la característica genètica B”
Els dos esdeveniments són independents amb P(A) 0,5 i P(B) 0,8
a) L’esdeveniment “el mamífer presenta totes dues característiques” es pot escriure A  B , i la seva probabilitat
és P( A  B )  P ( A)  P (B )  0,5  0,8  0, 4
b) L’esdeveniment “el mamífer no presenti cap de les dues característiques” s’escriu A  B , i la seva probabilitat
és P  A  B   P  A  B   1  P  A  B   1   P ( A)  P (B )  P ( A  B )   1   0, 5  0, 8  0, 4   0,1

c) L’esdeveniment “el mamífer presenti només una de les dues característiques” es pot escriure com la unió de
dos esdeveniments incompatibles  A  B    A  B  , i la seva probabilitat és:
P  A  B    A  B   P  A  B   P  A  B  
 P ( A)  P ( A  B )  P (B )  P ( A  B )  0, 5  0, 4  0, 8  0, 4  0, 5
d) En aquest cas, es demana la probabilitat següent:
P( A  B) 0, 4
P( A | B)  
 0, 5
P (B ) 0, 8
Una altra manera de veure-ho és que, pel fet de ser independents, P ( A | B )  P ( A)  0, 5
90. Una vacuna s’administra en 2 dosis; si el pacient té reacció al·lèrgica a la 1a dosi no se li administra la 2a.
El 30 % de la població presenta reacció a la 1a dosi i, dels que reben la segona dosi, el 10 % presenta
reacció al·lèrgica. De la població es tria un individu a l’atzar. Calcula la probabilitat que:
a) No presenti cap reacció al·lèrgica.
b) Presenti reacció al·lèrgica a la 2a dosi.
A1  “el pacient presenta reacció al·lèrgica a la 1a. dosi”
A2  “el pacient presenta reacció al·lèrgica a la 2a. dosi”
Se sap que: P ( A1 )  0,3 ; P ( A2 | A1 )  0,1 i, a partir d’això, que P ( A1 )  0,7 i P ( A2 | A1 )  0,9 .
A la dreta es mostra el diagrama d’arbre amb els possibles camins

i les seves probabilitats
a) L’esdeveniment “el pacient no presenti cap reacció al·lèrgica” es pot

escriure: A1  A2 , i la seva probabilitat és:
P ( A1  A2 )  P ( A1 )  P ( A2 | A1 )  0,7  0,9  0, 63
b) En aquest cas, es demana la probabilitat de P ( A1  A2 )  P ( A1 )  P ( A2 | A1 )  0,7  0,1  0,07 .
91. Es llancen dos daus, un de blanc i un de verd. Considera els esdeveniments

A = “obtenir 5 en el dau blanc”
B = “la suma dels resultats dels daus és 7”
Calcula la probabilitat dels dos esdeveniments i determina si són independents o no.
El conjunt dels resultats possibles quan es llancen dos daus, VR6,2  6  36

2
1 2 3 4 5 6
1 11 12 13 14 15 16
es pot representar mitjançant la taula següent posant a les files els resultats 2 21 22 23 24 25 26
del dau blanc (per exemple) i a les columnes els del dau verd. Observant la
3 31 32 33 34 35 36
taula, es pot verificar que:
4 41 42 43 44 45 46
6 1 6 1 5 51 52 53 54 55 56
P ( A)   ; P (B )   6 61 62 63 64 65 66
36 6 36 6
1 1 1
A més, l’esdeveniment A  B  {5, 2} , de manera que: P ( A  B )     P ( A )  P (B )
36 6 6
I, per tant, els esdeveniments A i B són independents.

92. En un centre educatiu en què el 60 % dels alumnes són noies, participen en activitats esportives el 30 %
dels nois i el 20 % de les noies. Si es tria un alumne a l’atzar, calcula la probabilitat que:
a) Sigui noi i no participi en activitats esportives.
b) Participi en activitats esportives.
c) Sigui noia si se sap que participa en activitats esportives.
Siguin els esdeveniments: A  “noia” B  “noi” D  “participa en activitats esportives”
Tenim que:
P( A)  0,6 ; P(B)  0,4 ; P(D | A)  0,2 ; P(D | B)  0,3
Les diferents possibilitats amb les probabilitats respectives es recullen al diagrama d’arbre següent:
a) L’esdeveniment “sigui noi i no participi en activitats esportives” es pot escriure B  D , i la seva probabilitat es
pot calcular per dues vies (com a mínim):
En primer lloc, com a P (D | B )  1  P (D | B )  1  0,3  0,7 , resulta:

P (B  D )  P (B )  P (D | B )  0, 4  0,7  0,28
O també, calculant prèviament la probabilitat de l’esdeveniment B  D :

P(B  D)  P (B )  P (D | B )  0, 4  0,3  0,12
I a partir d’aquí: P (B  D )  P (B )  P (B  D)  0, 4  0,12  0, 28
b) Pel teorema de la probabilitat total: P(D)  P( A)  P(D | A)  P(B)  P(D | B)  0, 6  0, 2  0, 4  0,3  0, 24
P ( A)  P (D | A) 0, 6  0, 2
c) En aquest cas, pel teorema de Bayes: P ( A | D )    0, 5
P (D ) 0, 24
Una altra manera de plantejar-ho podria ser aplicant la definició de probabilitat condicionada i veien que com
que:
P( A  D) 0,12
P ( A  D )  P ( A)  P (D | A)  0, 6  0, 2  0,12  P ( A | D )    0, 5
P (D ) 0, 24

93. Tres màquines A, B i C fabriquen cargols. En una hora, la màquina A produeix 600 cargols dels quals l’1 %
és defectuós; la màquina B en produeix 300 i el 2 % és defectuós; i la màquina C en produeix 100 i
d’aquests el 3 % és defectuós. Cada hora s’ajunten tots els cargols produïts i se’n tria un a l’atzar. Calcula
la probabilitat que:
a) Sigui defectuós.
b) Hagi estat fabricat per la màquina C sabent que és defectuós.
Siguin els esdeveniments
A  “el cargol ha estat fabricat per la màquina A”,
B  “el cargol ha estat fabricat per la màquina B”,
C  “el cargol ha estat fabricat per la màquina C”
D  “el cargol és defectuós”
Amb les dades proporcionades, si es tria un cargol a l’atzar, la probabilitat que hagi estat fabricat per cada una de
les màquines és:
P ( A)  0, 6 ; P(B)  0,3 ; P(C )  0,1
I les probabilitats que sigui defectuós depenent de la màquina que l’hagi fabricat són:
P (D | A)  0,01 ; P(D | B )  0,02 ; P(D | C )  0,03
El diagrama d’arbre representa gràficament la situació:
a) Utilitzant el teorema de la probabilitat total:
P(D)  P( A)  P(D | A)  P (B )  P (D | B )  P (C )  P (D | C )  0, 6  0,01  0,3  0,02  0,1  0,03  0, 015
b) Mitjançant el teorema de Bayes:
P (C )  P (D | C ) 0,1  0, 03
P (C | D )    0, 2
P (D ) 0, 015
Fixeu-vos que una vegada que es comprova que el cargol seleccionat és defectuós, la probabilitat final
(a posteriori) que hagi estat fabricat per la màquina C és el doble que la probabilitat inicial.

94. Un grup d’amics va habitualment a dos llocs d’oci, A i B, de la seva ciutat de forma independent. Les
probabilitats d’anar un dia qualsevol al A o al B són 0,4 i 0,3 respectivament. Troba la probabilitat que un
dia qualsevol aquest grup:
a) Vagi només a un dels llocs.
b) Vagi com a mínim a un dels llocs.
Siguin els esdeveniments A  “el grup va al lloc A” i B  “el grup va al lloc B”.
Un cop triat un dia a l’atzar, P( A)  0,4 i P(B)  0,3 . A més, com que A i B són independents:
P( A  B )  P( A)  P (B )  0, 4  0,3  0,12
a) Aleshores, l’esdeveniment “el grup vagi només a un dels llocs” que s’escriu com la unió de dos esdeveniments
incompatibles, ( A  B )  ( A  B ) , té probabilitat:
P ( A  B)  ( A  B )  P  A  B   P  A  B  
 P ( A)  P (B )  P ( A )  P ( B )  0, 4  (1  0, 3)  (1  0, 4)  0, 3  0, 46
atès que si dos esdeveniments A i B són independents, també ho són A amb B i A amb B .
b) L’esdeveniment “el grup vagi com a mínim a un dels llocs” és l’esdeveniment A  B :

P( A  B )  P( A)  P(B)  P( A  B)  0, 4  0,3  0,12  0,58
95. En una població que disposa de dues biblioteques públiques, A i B, se sap que el 15 % de la població
acostuma a anar a la biblioteca A, el 20 % a la B i, a més a més, un 5 % visita les dues biblioteques. De la
població es tria una persona a l’atzar. Calcula la probabilitat que el ciutadà triat sigui usuari:
a) De com a mínim una de les dues biblioteques.
b) De cap d’aquestes.
c) Només de la biblioteca B.
Siguin els esdeveniments A  “el ciutadà és usuari de la biblioteca A” i B  “el ciutadà és usuari de la biblioteca B”
Si es tria un ciutadà a l’atzar: P ( A)  0,15 ; P (B )  0, 2 i P ( A  B )  0,05
a) L’esdeveniment “sigui usuari de com a mínim una de les biblioteques” és l’esdeveniment A  B , que té com a
probabilitat: P( A  B)  P( A)  P(B)  P( A  B)  0,15  0, 2  0, 05  0, 3
b) L’esdeveniment “no sigui usuari de cap d’aquestes” és l’esdeveniment A  B , i la seva probabilitat és:
P  A  B   P  A  B   1  P( A  B )  1  0, 3  0, 7
c) L’esdeveniment “sigui usuari només de la biblioteca B” és l’esdeveniment A  B , que té com a probabilitat:

P ( A  B )  P (B )  P ( A  B )  0, 2  0,05  0,15

96. Una fàbrica produeix retoladors blaus i vermells en proporció de 3 a 2. A causa de problemes en el procés
de fabricació d’una remesa, alguns retoladors han sortit amb la tinta de l’altre color. En el control de
qualitat es detecta que el 82 % de retoladors blaus porta tinta blava, mentre que el 92 % de retoladors
vermells porta tinta vermella. Si es tria un retolador a l’atzar, calcula la probabilitat que:
a) No sigui defectuós.
b) Escrigui de color vermell si se sap que és defectuós.
Considera els esdeveniments B  “el retolador sigui blau” V  “el retolador sigui vermell” D  “el retolador sigui
defectuós”
Si es tria un retolador a l’atzar, tenim:
3 2
P (B )  ; P (V)  ; P (D | B )  1  0, 82  0,18 i P (D | V)  1  0, 92  0, 08
5 5
a) L’esdeveniment “el retolador no sigui defectuós” és

l’esdeveniment contrari a D; per tant, pel teorema de la B
probabilitat total:
P (D )  P (B )  P (D | B )  P (V )  P (D | V )  0, 6  0,82  0, 4  0,92  0,86
b) Si se sap que és defectuós, perquè escrigui de color vermell

ha de ser dels blaus. Anomenant V’ l’esdeveniment “el
retolador escriu de color vermell”, resulta:
V
P (B )  P (D | B ) 0, 6  0,18
P (V ´| D )    0, 771
P (D ) 0,14
97. La probabilitat que una persona sobrevisqui un any després d’un trasplantament de cor és 0,8. I la
probabilitat que sobrevisqui dos anys és 0,75. Calcula la probabilitat que una persona que ha sobreviscut
al primer any de trasplantament, sobrevisqui al segon any.
Siguin els esdeveniments A  “el pacient sobreviu el primer any” i B  “el pacient sobreviu dos anys”.
Naturalment, B està contingut en A, ja que si sobreviu 2 anys ha hagut de sobreviure necessàriament el primer; per
P( A  B) P (B ) 0, 75
tant: A  B  B  P (B | A )   0, 9375 .
 
P ( A) P ( A) 0, 8
98. Un pacient va a visitar el metge perquè està malalt des de fa uns quants dies i després d’haver estat en
contacte amb una persona que ha estat diagnosticada de tuberculosi. Després d’una acurada anàlisi
preliminar, el metge li prescriu una prova específica.
La prova consisteix en una anàlisi de sang que és positiva si el pacient té la malaltia en el 99 % dels casos i
és negativa si el pacient no té la malaltia en el 98 % dels casos. Si se sap que la probabilitat de contagi de
la tuberculosi és d’un 50 % si s’ha estat en contacte amb una persona que ha desenvolupat la malaltia,
calcula la probabilitat que el nostre pacient:
a) Doni positiu en el test.
b) No estigui realment malalt de tuberculosi, si el resultat és positiu.
c) Estigui realment malalt de tuberculosi, si el resultat és negatiu.

Siguin els esdeveniments T  “el pacient té tuberculosi”, A  “el test dona resultat positiu”
i els contraris respectius, T  “el pacient no té tuberculosi”, A  “el test dona resultat negatiu”.
P (T )  0,5 ; P (T )  0,5 ; P ( A | T )  0,99 ; P( A | T )  0,01 ; P( A | T )  0,02 ; P( A | T )  0,98

P ( A)  P (T )  P ( A | T )  P(T )  P ( A | T )  0,5  0,99  0,5  0,02  0,505
b) La probabilitat que no estigui malalt si el test dona positiu és, pel

teorema de Bayes:
P (T )  P ( A | T ) 0, 5  0, 02
P (T | A )    0, 0198
P ( A) 0, 505
c) La probabilitat que tingui tuberculosi si el test dona negatiu és, pel teorema de Bayes:
P (T )  P ( A | T ) 0, 5  0, 01
P (T | A )    0, 0101
P( A ) (1  0, 505)
99. A la secció de lactis d’un supermercat es venen al públic iogurts de tres classes A, B i C. La meitat són de
la marca A i l’altra meitat se la reparteixen a parts iguals les marques B i C. L’1 % dels iogurts de la marca
A, el 2 % de la B i el 3 % de la C ha caducat. Si un client tria un iogurt a l’atzar, calcula la probabilitat que:
a) El iogurt estigui caducat.
b) Si se sap que el iogurt està caducat, sigui de la marca A.
A “iogurt de la marca A”
B  “iogurt de la marca B”
C  “iogurt de la marca C”
F  “el iogurt està caducat”
F  “el iogurt no està caducat”
Si es tria a l’atzar un iogurt, tenim:

P ( A )  0, 5 ; P (B )  0, 25 ; P (C )  0, 25 ;
P (F | A )  0, 01 ; P (F | B )  0, 02 ; P (F | C )  0, 03
a) Utilitzant el teorema de la probabilitat total, es calcula la probabilitat que el iogurt estigui caducat.
P(F )  P( A)  P(F | A)  P(B )  P(F | B)  P(C )  P(F | C )  0,5  0,01  0, 25  0,02  0, 25  0,03  0,0175
b) Mitjançant el teorema de Bayes, sabent que el iogurt està caducat, es calcula la probabilitat que sigui de la
marca A.
P ( A)  P (F | A) 0, 5  0, 01
P( A | F )    0, 2857
P (F ) 0, 0175

100. La probabilitat que en una central nuclear hi hagi un incident és 0,01. El 99 % dels casos en què hi ha un
incident sona l’alarma, que amb probabilitat 0,001 sona encara que no hi hagi hagut cap incident (falsa
alarma). Triat un dia a l’atzar, calcula la probabilitat que:
a) No soni l’alarma.
b) Suposant que l’alarma hagi sonat, no hi hagi hagut cap incident.

I  “s’ha produït un incident” ; I  N  “no s’ha produït un incident”;
A  “sona l’alarma”; A  “l’alarma no sona”.
Si es tria un cas a l’atzar, de l’enunciat es dedueix que:
P (I )  0,01 ; P (N )  0,99 ; P ( A | I )  0,99 ; P ( A | I )  0,01 ; P ( A | N )  0,001 ; P ( A | N )  0,999
a) Utilitzant el teorema de la probabilitat total, la probabilitat que

en un dia escollit a l’atzar no soni l’alarma és:
P ( A )  P (I )  P ( A | I )  P (N )  P ( A | N )  0,01  0,01  0,99  0,999  0,98911
b) Mitjançant el teorema de Bayes, es calcula la probabilitat que

no s’hagi produït cap incident quan hagi sonat l’alarma.
P (N )  P ( A | N ) 0, 99  0, 001
P (N | A)    0, 09091
P ( A) 1  0, 98911
101. Amb bon temps un avió té un aterratge sense contratemps en el 99,8 % dels casos. Si el temps és dolent,
la probabilitat d’incident quan aterra és de 0,012. En una ciutat en què el 60 % dels dies fa bon temps,
calcula la probabilitat que en un dia i un vol triats a l’atzar:
a) Hi hagi un incident a l’aterratge.
b) Que faci bon temps aquest dia si hi ha hagut un incident en el moment d’aterrar

B  “el temps és bo” ; B  “el temps no és bo”;
F  “aterratge feliç” ; F  “ha ocorregut un incident en l’aterratge”
De les dades de l’enunciat es desprèn que les probabilitats dels

esdeveniments implicats són:
P (B )  0, 6 ; P ( B )  0, 4 ; P ( F | B )  0, 998 ;
P (F | B )  0, 002 ; P ( F | B )  0, 988 ; P ( F | B )  0, 012
a) La probabilitat que es produeixi un accident durant l’aterratge (aterratge no feliç), es calcula mitjançant el
teorema de la probabilitat total:
P (F )  P (B )  P (F | B )  P (B )  P (F | B )  0, 6  0,002  0, 4  0,012  0,006
P (B )  P (F | B ) 0, 6  0, 002
b) Finalment, utilitzant el teorema de Bayes s’obté: P (B | F )    0, 2
P (F ) 0, 006
102. En un judici per discriminació racial en uns exàmens per a promoció interna d’una institució, de les 307
persones que es van presentar al test, 48 eren persones de raça negra (N) i la resta blancs (B). De les
persones de raça negra, 26 van aprovar el test, mentre que els de raça blanca van aprovar-lo 206.
a) En quins càlculs s’ha de basar el jurat per emetre sentència favorable o desfavorable a la demanda per
discriminació racial?
b) Hi va haver discriminació realment en aquest cas?

Siguin els esdeveniments N  “persona de raça negra”; B  “persona de raça blanca”

T  “aprovar el test”; T  “no aprovar el test”
Les probabilitats dels diferents esdeveniments, estimades mitjançant les freqüències observades, són:
48 259
P (N )   0,1564 ; P ( B )   0, 8436 ;
307 307
26 22
P (T | N )   0, 5417 ; P (T | B )   0, 4523 ;
48 48
206 53
P (T | B )   0, 7954 ; P (T | B )   0, 2046
259 259
Atès que la probabilitat d’aprovar el test és més alta per

als blancs que per a les persones de raça negra::
P (T | B )  0,7954  P (T | N )  0,5417
es pot concloure que sí que hi va poder haver

discriminació racial.
Una altra manera d’arribar a la mateixa conclusió seria

comparar la probabilitat de ser de raça negra entre els
candidats presentats a la prova, amb la probabilitat de ser
de la mateixa raça si s’ha aprovat el test.
P  N  P T | N  0,1564  0,5417
P N | T     0,1121  P  N   0,1564
P T  0,1564  0,5417  0,8436  0,7954
En aquest cas també es verifica que la probabilitat de ser de raça negra havent aprovat és clarament inferior a la
proporció de persones de raça negra entre els aspirants.

ENTORN MATEMÀTIC
Un problema de contaminació. Compte amb les probabilitats a priori (inicials)

Com cada any a l’estiu, l’Andrea passa uns quants dies al petit poble d’on són els seus pares. Aquest any, just
quan va arribar-hi, s’assabenta que hi ha problemes amb la contaminació de l’aigua per arsènic a tota la zona,
encara que el batlle presumeix que l’aigua del seu poble ve d’una magnífica font i que la possibilitat que estigui
contaminada és de només 1 entre 100.
L’Andrea, que ha estudiat probabilitat, pregunta a en Ventura, el farmacèutic “de tota la vida” que s’encarrega
de fer el test, quina és la probabilitat que el resultat sigui positiu (aigua contaminada) fins i tot quan realment
l’aigua no estigui contaminada. La resposta és que, segons les especificacions de la prova, el 5 % de les
vegades el test té un fals positiu, però que, argumenta en Ventura, el 99 % de les vegades que l’aigua està
contaminada el resultat és positiu.
Feta la prova de l’aigua, amb gran expectació, el resultat és positiu. Al poble s’estén el desànim, fins que
l’Andrea, amb uns càlculs senzills, mostra que la probabilitat que l’aigua estigui contaminada és amb prou
feines una mica més del 15 % i que per assegurar-nos realment cal tornar-la a repetir.
En què es basa l’Andrea per fer aquesta afirmació? On és realment el problema?
Si es repeteix el test, quines probabilitats caldria agafar com a inicials?
Considerem els esdeveniments següents: C “l’aigua està contaminada”; T  “el test dona positiu”
i els seus contraris, C  “l’aigua no està contaminada” i T  “el test dona negatiu”.
Segons la informació que proporciona l’alcalde: P (C )  0,01 ; P (C )  0,99
El 5 % de les vegades el test dona un fals positiu, és a dir, malgrat que l’aigua no estigui contaminada, el test dona
positiu, i per tant el 95 % de les vegades el test dona negatiu quan l’aigua no està contaminada. Així, doncs:
P (T | C )  0,05 ; P (T | C )  0,95
D’altra banda, el 99 % de les vegades que l’aigua està contaminada el test dona positiu i, per tant, l’1 % el test dona
negatiu quan l’aigua està realment contaminada. És a dir:
P (T | C )  0,99 ; P (T | C )  0,01
La probabilitat que el test doni positiu ve donada pel teorema de la probabilitat total:
P (T )  P (C )  P (T | C )  P(C )  P(T | C )  0,01  0,99  0,99  0,05  0,0594
Si efectuat un test a l’aigua, el resultat és positiu, la probabilitat final que l’aigua estigui contaminada es calcula utilitzant
el teorema de Bayes, és a dir:
P (C )  P (T | C ) 0, 01  0, 99
P (C | T )    0,1667
P (T ) 0, 0594
De manera que l’afirmació de l’Andrea es basa en la probabilitat final calculada pel teorema de Bayes que l’aigua estigui
realment contaminada, que és P (C | T )  0,1667 (una mica més del 15%).
El problema real es troba en les probabilitats inicials, facilitades per l’alcalde. En efecte, ja que si ara es repetís el test,
prenent com a probabilitats inicials les probabilitats finals del primer test, resultaria:
P (C )  0,1667 ; P (C )  0,8333
En aquest cas, la probabilitat que el test doni negatiu en aquest segon intent és:
P (T )  P (C )  P (T | C )  P (C )  P (T | C )  0,1667  0,01  0,8333  0,95  0,7933
I, per tant, la probabilitat que l’aigua estigui contaminada si aquest segon test ha donat negatiu és:
P (C )  P (T | C ) 0,1667  0, 01
P (C | T )    0, 0021
P (T ) 0, 7933
És a dir, es pot afirmar que l’aigua no està contaminada.
En canvi, la probabilitat que el test doni positiu en aquest segon intent és:
P (T )  P (C )  P (T | C )  P (C )  P (T | C )  0,1667  0,99  0,8333  0,05  0, 2067
I la probabilitat que l’aigua estigui contaminada si el segon test ha donat positiu és:
P (C )  P (T | C ) 0,1667  0, 99
P (C | T )    0, 7984
P (T ) 0, 2067
I això vol dir que si aquest segon test dona positiu, la probabilitat que l’aigua estigui contaminada és alta, gairebé del 80
%.

Tens cotxe?... Si ets jove i home pagues més per l’assegurança

En Marc és a punt de fer els 21 anys i els seus pares li regalaran el seu primer cotxe, amb la condició que
l’assegurança l’ha de pagar ell cada any. Per això ha estat investigant a les diferents companyies, i això és el
que ha descobert:
 A més a més del tipus de pòlissa i del valor del vehicle, l’edat, el sexe, l’estat civil del conductor i el seu
historial (si ha estat declarat convicte per accident de trànsit) són variables que les companyies
d’assegurances utilitzen per determinar la prima que una persona ha de pagar per l’assegurança del seu
vehicle.
 A igualtat de les altres condicions, els joves de 25 o menys anys paguen més per les primes
d’assegurances i, entre aquests, els homes paguen més que les dones.
En Marc, completament indignat, vol indagar la causa d’aquesta aparent “injustícia”. Després de diverses
incursions per Internet esbrina que la població de persones de 25 anys o menys amb permís de conduir, el 51 %
són homes i el 49 % dones. I que la taxa d’accidents en aquest col·lectiu és de 0,006.
A més a més ha aconseguit esbrinar que, entre els joves de 25 o menys anys, en el 70 % dels casos d’accident
està involucrat un home i en el 30 % una dona.
Les dades es recullen a la taula, en què:
P(Accident  Dona)  P(Accident)  P (Dona | Accident)  0, 006  0, 30  0, 0018
Accident No accident
Home 0,51
Dona 0,0018
0,006 1
Amb aquestes dades, és possible donar una explicació al fet que les companyies d’assegurances cobrin més
als homes joves que a les dones joves? Quina és la probabilitat que tingui un accident un home jove? I una
dona jove? Compara-les
En primer lloc, una vegada calculada la probabilitat de l’esdeveniment “Tenir un accident i ser dona” completem la taula
de contingència, amb les probabilitats següents:
No
Accident
accident
Home 0,0042 0,5058 0,51
Dona 0,0018 0,4882 0,49
0,006 0,994 1
És a dir, com que:

P(Accident)  0,006 ; P(Home | Accident)  0,7 ; P(Dona | Accident)  0,30
Tenim que:
P(Accident  Home)  P(Accident)  P(Home | Accident)  0,006  0,70  0,0042
Amb aquestes dues probabilitats, ja s’observa que és menys probable trobar-se una dona involucrada en un accident
que un home. Tanmateix, la relació definitiva la proporciona el quocient de probabilitats finals i per això:
P (Accident  Home) 0, 0042
P (Accident | Home)    0, 00824
P (Home) 0, 51
P (Accident  Dona) 0, 0018
P (Accident | Dona)    0, 00367
P (Dona) 0, 49
P (Accident | Home) 0, 00824

D’on es dedueix:   2, 242
P (Accident | Dona) 0, 00367
Veiem que és gairebé dues vegades i quart més probable que es produeixi un accident quan la persona que condueix
és un home i per això les companyies d’assegurances tendeixen a aplicar primes d’assegurança més altres als homes
joves que a les dones joves.

AUTOAVALUACIÓ

1. Escriu, mitjançant operacions amb esdeveniments, la part acolorida en el diagrama de Venn següent.
La zona acolorida és el contrari de la unió dels esdeveniments A i B, és a dir, A  B .
2. Siguin A i B dos esdeveniments associats a un experiment aleatori E tals que

P ( A  B)  0, 7, P ( A  B)  0, 3 i P (B  A)  0, 2.
a) Calcula la probabilitat de cada un dels esdeveniments i la de la seva intersecció.

b) Els esdeveniments A i B són independents?
a) Com que P( A  B )  P ( A)  P ( A  B ); P (B  A)  P (B )  P ( A  B ); P ( A  B )  P ( A)  P (B )  P ( A  B )
tenim que P( A  B )  P ( A)  P (B )  P ( A  B )  P ( A)  P (B  A)  0,7  P ( A)  0, 2  P ( A)  0,5 ,
i d’aquí es dedueix P( A  B)  P( A)  P( A  B )  0,3  0,5  P( A  B)  P( A  B)  0, 2 .
Per tant: P (B )  P (B  A)  P ( A  B )  0, 2  0, 2  0, 4
b) Els esdeveniments A i B són independents, ja que P( A  B)  0, 2  P( A)  P(B)  0,5  0, 4  0, 2
3. Una bossa conté 5 boles blanques i 3 de verdes. De la bossa s’extreuen dues boles. Calcula la
probabilitat que siguin una de cada color en els supòsits següents:
a) L’extracció és una a una sense reemplaçament.
b) Les dues boles s’extreuen simultàniament.
a) Sigui l’esdeveniment A “obtenir una bola de cada color”. En tots dos casos es considera que els resultats
possibles són equiprobables i s’utilitza la regla de Laplace.
Si l’extracció es fa una a una sense reemplaçament, l’esdeveniment A es pot posar com a unió de dos
esdeveniments incompatibles:
ABV  “la primera és blanca i la segona verda” ; AVB  “la primera és verda i la segona blanca”
5 3 15
P ( ABV )  P (1a. blanca)  P (2a. verda | 1a. blanca)   
8 7 56
3 5 15
P ( AVB )  P (1a. verda)  P (2a. blanca | 1a. verda)   
8 7 56
15 15 30 15
De manera que: P ( A )  P ( AVB )  P ( ABV )    
56 56 56 28
b) Si l’extracció de les dues boles es fa simultàniament, tenim exactament la mateixa situació anterior, però ho
podem plantejar d’una altra manera: el nombre de resultats possibles equiprobables quan s’extreuen dues
8 8  7
boles d’una bossa que conté 8 boles és: C8,2      28 .
 2  2!
5 3 15
El nombre de resultats favorables a l’esdeveniment A, és: C5,1  C3,1        5  3  15 . P ( A) 
1  1  28

4. Una entitat bancària disposa de dos sistemes d’alarma independents. El sistema A es dispara en el 90 %
de les vegades d’intent d’atracament; mentre que el sistema B ho fa en el 85 %. Si hi ha un atracament
calcula la probabilitat que:
a) Funcionin els dos sistemes.
b) Funcioni només el sistema A.
c) Funcioni com a mínim un dels dos sistemes.
Siguin els esdeveniments: A “funcioni el sistema A”; B “funcioni el sistema B”

a) L’esdeveniment “que funcionin els dos sistemes” és la intersecció de tots dos, i com que tenim que:
P ( A)  0,9 ; P(B )  0,85 podem deduir que P ( A  B )  0,9  0,85  0,765 pel fet que són independents.
b) L’esdeveniment “funcioni només el sistema A” és l’esdeveniment A  B  A  B i la seva probabilitat es pot

calcular de dues maneres (com a mínim):
P ( A  B )  P ( A  B )  P ( A)  P ( A  B )  0,9  0,765  0,135
O bé, atès que els esdeveniments A i B també són independents.
P ( A  B )  P ( A)  P (B )  0,9  0,15  0,135
c) L’esdeveniment “funcioni com a mínim un dels dos sistemes” és l’esdeveniment A  B , i la seva probabilitat
és: P( A  B)  P( A)  P(B)  P( A  B)  0,9  0,85  0,765  0,985
5. D’un grup de 100 estudiants, 80 estudien anglès, 30, francès, i 15, tots dos idiomes. Del grup se
selecciona un estudiant a l’atzar. Troba la probabilitat que no estudiï cap dels dos idiomes.
Considera els esdeveniments: A  “estudia anglès”, F  “estudia francès”

De les freqüències observades, es pot inferir que les probabilitats dels esdeveniments són:
P ( A)  0,8 ; P (F )  0,3 ; P( A  F )  0,15
L’esdeveniment “no estudiï cap dels dos idiomes” es pot escriure I  F  I  F ; així, doncs:
P  A  F   P  A  F   1  P( A  F )  1  (0, 8  0, 3  0,15)  1  0, 95  0, 05
6. Una empresa comercialitza dos productes A i B. El 45 % de les seves vendes correspon al producte A, i
la resta, al B. El 15 % de les vendes corresponents al producte A és objecte de devolució; mentre que
aquest percentatge és només el 5 % de les vendes de B. Troba la probabilitat que quan es compra el
producte:
a) Sigui retornat.
b) Sigui de la classe B si se sap que l’article comprat ha estat retornat.
Una vegada comprat un article, siguin els esdeveniments:

A  “l’article és del tipus A”, B  “l’article és del tipus B”
D  “l’article es torna”, D  “l’article no es torna”
De l’enunciat, es tenen les probabilitats següents:
P ( A )  0, 45 ; P ( B )  0, 55 ; P ( D | A)  0,15 ;
P (D | A )  0, 85 ; P ( D | B )  0, 05 ; P ( D | B )  0, 95
a) La probabilitat que l’article sigui retornat es calcula utilitzant el teorema de la probabilitat total:
P(D)  P ( A)  P (D | A)  P(B )  P (D | B )  0, 45  0,15  0,55  0,05  0,095
b) Si se sap que l’article ha estat tornat, la probabilitat que sigui de la classe B es calcula mitjançant el teorema de
Bayes:
P (B )  P (D | B ) 0, 55  0, 05
P (B | D )    0, 2895
P (D ) 0, 095

7. Una ferreteria té al seu magatzem bombetes de baix consum: 500 bombetes de 20 W, 300 de 15 W i 200
de 12 W. Els controls de qualitat fets per l’empresa que fabrica les bombetes han permès determinar les
probabilitats de fallada de cada tipus de producte durant la primera hora d’encesa, sent de 0,03 per a les
bombetes de 20 W, de 0,02, per a les de 15 W, i de 0,01 per a les bombetes de 12 W.
a) Es tria a l’atzar una bombeta del magatzem. Quina és la probabilitat que hi hagi una fallada durant la primera
hora d’encesa?
b) Se sotmet al control de qualitat una bombeta del magatzem triada a l’atzar i falla en la seva primera hora
d’encesa. Quina és la probabilitat que sigui una bombeta de 20 W?
Un cop triada una bombeta, siguin els esdeveniments:

A  “és de 20 W”, B  “és de 15 W”, C  “és de 12 W”
F  “la bombeta falla en la primera hora d’encesa”, F  “la bombeta no falla en la primera hora d’encesa”
De l’enunciat, es tenen les probabilitats següents:

500 300 200
P ( A)   0, 5 ; P ( B )   0, 3 ; P (C )   0, 2 ;
1000 1000 1000
P ( F | A )  0, 03 ; P ( F | B )  0, 02 ; P ( F | C )  0, 01
a) La probabilitat que la bombeta falli es calcula utilitzant el teorema de la probabilitat total:
P (F )  P ( A)  P ( F | A)  P ( B )  P ( F | B )  P (C )  P ( F | C ) 
 0, 5  0, 03  0, 3  0, 02  0, 2  0, 01  0, 023
b) Si se sap que la bombeta ha fallat, la probabilitat que sigui de 20 W es calcula mitjançant el teorema de Bayes:
P ( A )  P (F | A ) 0, 5  0, 03
P( A | F )    0, 6522
P (F ) 0, 023

1. Siguin A i B esdeveniments incompatibles associats a un espai mostral E. Aleshores, A i B són
incompatibles:
A. En qualsevol cas.
B. Mai.
C. Només si A i B són independents.
D. Si A és el contrari de B.
Solució: D
2. Dos esdeveniments A i B associats a un experiment aleatori són independents si:

A. Quan ocorre, per exemple, A aleshores B no ocorre.
B. Quan un d’aquests ocorre, l’altre ja no pot ocórrer.
C. A i B tenen la mateixa probabilitat.
D. La probabilitat de A, per exemple, no es veu modificada pel fet que B ocorri.
Solució: D.
3. Si A i B són dos esdeveniments associats a un espai mostral E, amb P ( A  B )  P ( A) i P (B)  0 ,

aleshores:
A. Sempre que ocorre A, ocorre B.
B. Els esdeveniments A i B són incompatibles.
C. Els esdeveniments A i B són independents.
D. No és certa cap de les anteriors
Solució: D.

4. Siguin A i B esdeveniments associats a un experiment, amb P(A) 0; aleshores:
A. P ( A  B )  P (B )
B. P ( A  B )  0
C. L’esdeveniment B conté el A.
D. A i B són independents.
Solucions: Totes són correctes.
5. Si A i B són dos esdeveniments associats a un espai mostral E, i P ( A | B)  0 aleshores:
A. P ( A  B )  P (B )
B. P ( A | B )  1
C. A i B són independents.
D. A i B són incompatibles.
Solucions: B i D.

Assenyala la dada innecessària per contestar

6. Dels esdeveniments A, B i C se sap que A i B són independents. Per calcular la probabilitat de la unió dels
tres es necessita:
A. P ( A), P (B ) i P (C )
B. P (C | A  B )
C. P ( A | B ), P (B | C )
D. P ( A  C ) i P (B  C )
Solució: D, que s’obté de A i D.
7. Si A, B i C formen una partició de l’espai mostral E, i H és un esdeveniment qualsevol, per calcular

P (B | H ) cal:
A. P (H | A) i P (H | C )
B. P ( A  B ) i P (B  C )
C. P ( A), P (B ) i P (C )
D. P (H | B )
Solució: B i C es dedueixen l’una de l’altra.

SOLUCIONARI UNITAT 13. DISTRIBUCIONS DE PROBABILITAT
13. Distribucions de probabilitat

EXERCICIS PROPOSATS
1. Exercici resolt.
2. Sigui X una variable aleatòria que pren els valors 0, 1, 2 i 3 amb probabilitats respectives 0,2, 0,25, 0,4 i
0,15. Calcula la seva mitjana, la seva variància i P(X > 1).
L’esperança és   E  X   0  0,2  1 0,25  2  0,4  3  0,15  1,5 .
Per calcular la variància abans s’ha d’obtenir E  X 2   02  0,2  12  0,25  22  0,4  32  0,15  3,2 .
Per tant, la variància és Var(X )  2  E  X 2   E  X   3,2  1,52  0,95 .

2
Finalment, la probabilitat que es demana és P(X  1)  P  X  2  P  X  3  0,4  0,15  0,55 .
3. Es llancen dos daus de diferent color i es considera la variable X: “suma de les puntuacions obtingudes”.
a) Escriu la seva funció de massa de probabilitat i representa-la mitjançant un diagrama de barres.
b) Calcula la mitjana i la variància de X.
En el llançament dels daus tenim VR6,2  62  36 resultats possibles equiprobables.
a) La variable aleatòria X pren els valors del 2 al 12. La probabilitat de cada un dels valors s’obté mitjançant la re-
gla de Laplace, comptant el nombre de resultats favorables a cada valor. Per tant, la funció de massa proba-
bilitat de X és:
xj 2 3 4 5 6 7 8 9 10 11 12
1 1 1 1 5 1 5 1 1 1 1
pj
36 18 12 9 36 6 36 9 12 18 36
El diagrama de barres que representa la funció de massa de probabilitat de la variable aleatòria X és:
Y: Funció de massa de probabilitat
X: Resultat de la suma de les dades
b) L’esperança de la variable aleatòria X és:

1 1 1 1 5 1 5 1 1 1 1
E X   2   3  4  5  6  7  8  9   10   11  12  7
36 18 12 9 36 6 36 9 12 18 36
Per calcular la variància, primer s’ha d’obtenir l’esperança de X 2 .

1 1 1 1 5 1 5 1 1 1 1 329
E  X 2   22   32   42   52   62   72   82   92   102   112   122  
36 18 12 9 36 6 36 9 12 18 36 6
329 35
De manera que la variància de X és Var(X )  E  X 2    E  X  
2
 72  .
6 6

4. D’una urna que conté 5 boles blanques i 3 de vermelles, se n’extreuen 3 boles successivament sense re-
emplaçament. Sigui la variable aleatòria Y: “nombre de boles blanques extretes”. Determina:
a) La funció de massa de probabilitat.
b) La mitjana i la variància.
c) La probabilitat que s’extreguin almenys dues boles blanques.
Com que el que interessa és el nombre de boles blanques i no l’ordre en què s’han obtingut, es pot considerar que
les boles s’extreuen simultàniament, ja que no es reemplacen. D’aquesta manera, el nombre de resultats possibles
en extreure tres boles de l’urna és el nombre de combinacions d’ordre 3 (les tres boles que s’extreuen) de 8 ele-
ments (les vuit boles de l’urna). És a dir:
 8 8  7  6
C8,3      56
 3 3!
a) La variable Y: “nombre de boles blanques extretes” pot prendre els valors 0, 1, 2, i 3 amb probabilitats, que es
poden obtenir per la regla de Laplace, en el numerador hi ha el nombre de resultats favorables en cada cas:
 3  5  3   5  3   5
 3  1 2  15  2  1 30  3  10
P Y  0      P Y  1      P Y  2       P Y  3     
1
56 56 56 56 56 56 56 56
De manera que la funció de massa de probabilitat de la variable aleatòria Y es pot resumir a la tabla:
Y 0 1 2 3
1 15 15 5
P(Y = y)
56 56 28 28
1 15 15 5 15
b) L’esperança de la variable aleatòria Y és E Y   0   1  2  3  .
56 56 28 28 8
Per calcular la variància s’ha d’obtenir abans l’esperança de Y 2 :

1 15 15 5 225
E Y 2   02   12   22   32  
56 56 28 28 56
2
225  15  225
De manera que la variància de Y és Var(Y )  E Y 2   E Y  
2
   .
56  8  448
15 5 20 5
c) P Y  2  P Y  2  P Y  3     
28 28 28 7
7. Troba en cada cas la probabilitat indicada.
a) X Bin  n  5, p  0,15,P  X  4
b) Y Bin  n  7, p  0,65,P Y  4
a) P  X  4  P  X  0  P  X  1  P  X  2  P  X  3  0,4437  0,3915  0,1382  0,0244  0,9978
Aquestes probabilitats es poden obtenir de la taula o mitjançant:
5 5 5

P  X  0     0,150  0,855  0,4437 , P  X  1    0,151  0,854  0,3915 P  X  2    0,152  0,853  0,1382
0  1  2
 5
i P  X  3     0,153  0,852  0,0244.
 3

b) P Y  4  P Y  4  P Y  5  P Y  6  P Y  7
Com que aquestes probabilitats no apareixen directament a la taula, es pot prendre X Bin  n  7, p  0,35
P Y  4  P  X  3  0,2679 , P Y  5  P  X  2  0,2985 , P Y  6  P  X  1  0,1848 i

P Y  7  P  X  0  0,0490
Per tant, P Y  4  0,2679  0,2985  0,1848  0,0490  0,8002
8. Se sap que una màquina produeix un 10 % de cargols defectuosos. En un control de qualitat, se selec-
cionen 6 cargols a l’atzar. Calcula la probabilitat que:
a) N’hi hagi un de defectuós.
b) Almenys n’hi hagi un de defectuós.
Sigui la variable aleatòria X: “nombre de cargols defectuosos, entre els 6 seleccionats”.

La probabilitat que un cargol triat a l’atzar sigui defectuós és p  0,1 , de manera que la variable aleatòria X segueix
una distribució binomial X ~ Bin  n  6; p  0,1 .
a) La probabilitat que, entre els 6, n’hi hagi un de defectuós és:
 6
P  X  1    0,11  0,95  0,3543
 1
b) La probabilitat que almenys un dels 6 cargols sigui defectuós, es pot calcular de la manera següent:
P  X  1  1 P  X  0  1 0,96  0,4686
Nota: El valor de les probabilitats calculades es pot obtenir directament de la taula de la binomial.
9. Es llança 5 vegades una moneda trucada de manera que la probabilitat que surti cara és el triple que la que
surti creu. Troba la probabilitat que surtin més cares que creus.
1
Sigui P(X )  p  P(C)  3p aleshores p  3p  1  p  .
4
1 3
Per tant, se substitueix i tenim P(X )  i P(C)  .
4 4
Sigui X = nombre de creus, segueix una distribució Bin(n  5; p  0,25) . Per tant, la probabilitat és:
P  X  3  P  X  0  P  X  1  P  X  2
Aquests valors es poden obtenir directament de la taula, per tant:

P  X  3  0,2373  0,3955  0,2637  0,8965
10. Es llança 10 vegades un dau equilibrat. Quina és la probabilitat que com a mínim en 4 tirades surti un múl-
tiple de 3?
Sigui X la variable aleatòria "nombre de vegades que obtenim un múltiple de 3" en llançar 10 vegades un dau. La
variable X segueix una distribució binomial.
 1
Bin  n  10, p   .
 3
k 10  k k 10  k
10  1   2  10  1   2 
P  X  4      pk 1  p   P  X  4           1        
4 10 4 10 4 3
10 10  k
 0,44
k 4  k  k 4  k   3   3  k 0  k   3   3 


13. En un país la taxa d’atur és del 26 % de la seva població activa. Si s’agafa una mostra de 50 persones adul-
tes i se’ls pregunta per la seva situació laboral, quin serà el nombre esperat d’aturats? I la seva desviació
típica?
Si es considera la variable aleatòria X: “nombre de persones aturades, de les 50 seleccionades”, la variable X se-
gueix una distribució binomial X ~ Bin n  50; p  0,26 .
El nombre esperat d’aturats, entre els 50, és E  X   n  p  50  0,26  13 .
I la desviació típica és   n  p  1 p   50  0,26  0,74  3,1016 .
14. Un fàrmac produeix cefalees en un 40 % dels pacients que el prenen. De 7 pacients amb aquest tractament,
seleccionats a l’atzar, calcula el nombre esperat que patiran aquest efecte secundari i la probabilitat que el
pateixin:
a) Almenys 2.
b) Més de 4.
Sigui Y: “nombre de persones que pateixen efectes secundaris, dels 7 seleccionats”. La variable Y segueix una dis-
tribució binomial Y ~ Bin  n  7; p  0,4 .
El nombre esperat de pacients que tindrà efectes secundaris és E Y   n  p  7  0,4  2,8 .
a) P Y  2  1 P Y  2  1 P Y  0  P Y  1  1 0,0280  0,1306  0,8414
b) P Y  4  P Y  5  P Y  6  P Y  7  0,0774  0,0172  0,0016  0,0962
15. Una enquesta recent revela que en una ciutat el 35 % dels adults aprova la gestió de l’equip de Govern mu-
nicipal, mentre que la resta la desaprova. Si de la població s’escullen a l’atzar 8 persones, calcula:
a) La probabilitat que cap d’ells no aprovi la gestió.
b) La probabilitat que l’aprovin exactament 4.
c) El nombre esperat de persones que l’aprovin.
d) La desviació típica del nombre de persones que aproven la gestió.
Considera la variable aleatòria X: “nombre de persones, de les 8 seleccionades, que aprova la gestió”. La variable
X segueix una distribució binomial X ~ Bin  n  8; p  0,35 .
a) P  X  0  0,658  0,0319
8
b) P  X  4     0,354  0,654  0,1875
 4
c) Es calcula l’esperança de la variable X i és E  X   n  p  8  0,35  2,8 .
d) En primer lloc, es calcula la variància i després l’arrel quadrada positiva:
Var (X )  n  p  1 p   8  0,35  0,65  1,82    Var (X )  1,82  1,34907

16. Utilitzant la taula de la normal, determina a o p en cada cas.
a) P  Z 1,46  p e) P  0,57  Z   0,12  p
b) P  Z  2,13  p f) P(Z  a)  0,0026
c) P  Z 0,78  p g) P  Z  a   0,8345
d) P  2,33 Z 0,05  p h) P  a  Z  a   0,9676
a) P  Z 1,46  p  0,92785
b) P  Z  2,13  1 P  Z  2,13  1 0,98341  0,01659
c) P  Z  0,78  P  Z  0,78  0,78230
d) P  2,33  Z  0,05  P  Z  0,05  P  Z  2,33  0,05  1   2,33 0,51994  1 0,99010  0,51004
e) P  0,57  Z  0,12   P  Z  0,12   P  Z  0,57   1   0,12   1   0,57   

 1  0,54776  1  0,71566   0,16790
f) En aquest cas, el valor de la probabilitat (0,0026) no apareix directament a la taula perquè és inferior a 0,5. Això
indica que a  0 , i es procedeix de la manera següent:
P  Z  a   0,0026 P  Z  a   1 P  Z  a   0,9974 a  2,8 a  2,8
g) P  Z  a   0,8345 P  Z  a   0,8345 a  0,97aprox   a  0,97aprox 
h) P  a  Z  a   2 a   1  0,9676   a   0,9838 a  2,14
20. Un fabricant d’un cert tipus de motors assegura que la durada del seu producte té una distribució normal
de mitjana 10 anys d’ús amb una variància de 4. Calcula la probabilitat que un motor escollit a l’atzar duri:
a) Més de 12 anys.
b) Menys de 9 anys.
c) Entre 10 i 11 anys.
Si un comerciant compra un lot de 100 motors al fabricant, calcula quants motors pot esperar-se que durin:
d) Més de 7 anys.
e) Més de 9 anys.
Considera la variable aleatòria X: “durada dels motors”. Sabem que X ~ N   10;2  4 .
 12  10 
a) P  X  12  P  Z    P  Z  1  1  1  1 0,8413  0,1587
 2 
 9  12 
b) P  X  9   P  Z    P  Z  1,5   1  1,5   1 0,9332  0,0668
 2 
 10  10 11  10 
c) P 10  X  11  P  Z   P 0  Z  0,5    0,5    0   0,6915  0,5  0,1915
 2 2 

d) Per calcular el nombre de motores que s’espera que durin 7 anys, en primer lloc es calcula la probabilitat que
un motor escollit a l’atzar duri més de 7 anys:
 7  10 
P  X  7  P  Z    P  Z  1,5    1,5   0,9332
 2 
Per això s’estima que el 93,32 % dels motors durarà més de 7 anys. Si un comerciant compra 100 motors, s’es-
pera que aproximadament 93 durin més de 7 anys.
 9  10 
e) P  X  9   P  Z    P  Z  1  P  Z  1   1  0,8413
 2 
De manera que aproximadament 84 motors, dels 100, duraran més de 9 anys.
21. Una màquina produeix rosques, el diàmetre de les quals té una distribució normal de mitjana 5 cm i una
desviació típica de 2 mm. No es poden vendre les rosques que es desvien 3 mm de la mitjana. D’un lot de
500 rosques, quantes han de ser descartades per a la venda?
Sigui la variable X: “diàmetre de les rosques produïdes per la màquina”. Amb les mitjanes esmentades en mil·líme-
tres, tenim que X ~ N   50;  2 .
Només són aptes per a la venda les rosques amb un diàmetre d’entre 47 i 53 mm. Per tant, la probabilitat que una
rosca triada a l’atzar sigui apta per a la venda és:
 47  50 53  50 
P  47  X  53   P  Z   P  1,5  Z  1,5    1,5     1,5   1,5   1  1,5   
 2 2 
 2 1,5   1  2  0,9332  1  0,8664
Així doncs, el 86,64 % de les rosques produïdes són aptes per a la venda i se’n descartaran el 13,36 %. Per tant,
d’un lot de 500 rosques, se’n descartaran 0,1336  500  66,8 és a dir, aproximadament 67 rosques.
22. A una prova d’accés d’una universitat s’hi han presentat 2500 aspirants per a 300 places. Les qualifica-
cions que han obtingut els aspirants tenen una distribució normal de mitjana 6,5 i variància 4. Calcula la
nota de tall per als admesos.
Considera la variable aleatòria X: “qualificació de l’examen”. La distribució és X ~ N   6,5;2  4
Per establir la nota de tall, es calcula la proporció que representen 300 places de 2500 aspirants:
300
 0,12
2500
Així doncs, s’ha de buscar la qualificació a tal que P(X  x)  0,12 . O de manera equivalent:
1 P  X  a   0,12 P  X  a   0,88
Es tipifica a l’última expressió i es busca a les taules de la normal, i es té:
 a  6,5  a  6,5
PZ    0,88  1,175 a  8,85
 2  2
Per tant, la nota de tall és de 8,85 punts.
23. Un supermercat ha fet un estudi sobre el nombre de productes que una caixera escaneja, i ha arribat a la
conclusió que aquest nombre, per minut, segueix una llei normal de mitjana 33 i desviació típica 4. Si es
tria a l’atzar una caixera, calcula la probabilitat que escanegi en un minut:
a) Més de 35 productes.
b) Menys de 31 productes.
c) Un nombre de productes comprès entre 30 i 34.

Es considera la variable X: “nombre de productes que, per minut, escaneja la caixera”. La variable X segueix una
distribució normal X ~ N   33;  4 .
 35  33 
a) P  X  35   P  Z    P  Z  0,5   1   0,5   1 0,6915  0,3085
 4 
 31  33 
b) P  X  31  P  Z    P  Z  0,5   P  Z  0,5   1  0,5   1 0,6915  0,3085
 4 
 30  33 34  33 
c) P  30  X  34   P  Z   P  0,75  Z  0,25     0,25     0,75  
 4 4 
   0,25   1    0,75    0,5987  1  0,7734  0,3721
27. El 40 % de les persones empadronades en una ciutat viuen en urbanitzacions allunyades del centre. D’una
mostra de 1500 persones, quina és la probabilitat que menys de 580 visquin en una urbanització?
Sigui la variable aleatòria Y: “nombre de persones, de les 1500, que viuen en urbanitzacions allunyades del
centre”. La variable Y segueix una distribució binomial Y ~ Bin  n  1500; p  0,4 que es pot aproximar per una
variable X amb distribució normal de mitjana   1500  0,4  600 i variància 2  1500  0,4  0,6  360 . És a dir,
 
X ~ N   600;  360 . La probabilitat és:
 579,5  600 
P Y  580   P  X  579,5   P  Z    P  Z  1,08   1  1,08   1 8599  0,1401
 360 
28. En una població, el 45 % de les persones adultes es declara consumidora de cafè. Si de la ciutat elegim
una mostra de 250 persones adultes, calcula la probabilitat que més de la meitat prenguin cafè.
Sigui la variable Y: “nombre de consumidors de cafè, entre els 250”, la distribució de la qual és binomial
Y ~ Bin  n  250; p  0,45 que es pot aproximar per una variable X amb distribució normal de mitjana

  250  0,45  112,5 i variància 2  250  0,45  0,55  61,875 . És a dir X ~ N   112,5;  61,875 . 
La probabilitat és:
 125,5  112,5 
P Y  125   P  X  125,5   P  Z    P  Z  1,65   1   1,65   1 0,9505  0,0495
 61,875 
29. El primer examen d’una oposició és un test que consta d’una bateria de 100 preguntes, cada una de les
quals té 5 possibles respostes, de les quals només una és correcta. Si una persona respon a l’atzar,
calcula la probabilitat que encerti almenys 25 preguntes
Sigui la variable aleatòria Y: “nombre de respostes encertades de les 10”, que segueix una distribució binomial
Y ~ Bin  n  100; p  0,2 . Perquè si una persona respon a l’atzar, la probabilitat d’encertar una pregunta és
1
p  0,2 .
5
La distribució de probabilitat de la variable Y es pot aproximar per la d’una variable X amb distribució normal de
mitjana   100  0,2  20 i variància 2  100  0,2  0,8  16 . És a dir, X ~ N   20;  4 .

La probabilitat és:
 24,5  20 
P Y  25   P  X  24,5   P  Z    P  Z  1,13   1  1,13   1 0,8708  0,1292
 4 
En què  1,13  0,8708 s’ha obtingut de la taula de la N(0,1)
EXERCICIS
Variable aleatòria discreta

40. La funció de massa de probabilitat d’una variable aleatòria discreta, X, ve donada a la taula següent:
Xj -3 0 1 3
pj 0,4 0,3 0,1 0,2
a) Representa gràficament la distribució.

b) Calcula l’esperança, la variància i la desviació típica de X.
c) Calcula P(1  X  2,5) i P(X  1) .
a) La funció de massa de probabilitat es pot representar per un diagrama de barres:
b) La esperança de la variable X és E  X   3  0,4  0  0,3  1 0,1 3  0,2  0,5 .
Per calcular la variància es calcula en primer lloc l’esperança de X 2 :
E  X 2    3  0,4  02  0,3  12  0,1 32  0,2  5,5

2
La variància de X és Var  X   E  X 2   E  X   5,5   0,5  5,25 .

2 2
La desviació típica de X és   Var  X   5,25  2,2913 .
c) Per calcular les probabilitats que es demanen, se sumen les probabilitats dels valors de X que corresponen a
cada cas:
P 1  X  2,5  0 perquè X no pren cap valor a l'interval 1; 2,5 .
P  X  1  P  X  3  P  X  0  0,4  0,3  0,7

k
41. Sigui X una variable aleatòria amb funció de massa de probabilitat P (X  x )  per a x  0, 1, 2, 3 .
x 1
a) Calcula el valor de la constant k.
b) Representa gràficament la funció de massa.
c) Calcula l’esperança, la variància i la desviació típica de X.
d) Calcula P(0,5  X  3,5) .
a) La suma de las probabilitats dels valores de la variable ha de ser 1, és a dir:
P  X  0  P  X  1  P  X  2  P  X  3  1
k k k k 12
    1 k   0,48
1 2 3 4 25
b) La funció de massa de probabilitat de la variable X es pot recollir a la taula següent:
X 0 1 2 3
P(X = x) 0,48 0,24 0,16 0,12
I en el diagrama de barres corresponent:
c) L’esperança de la variable X és E  X   0  0,48  1 0,24  2  0,16  3  0,12  0,92 .
Per calcular la variància es calcula en primer lloc l’esperança de X 2 :
E  X 2   02  0,48  12  0,24  22  0,16  32  0,12  1,96
La variància de X és Var  X   E  X 2   E  X   1,96  0,92  1,1136 .

2 2
La desviació típica de X és   Var  X   1,1136  1,0553 .
d) La probabilitat de l’interval (0,5; 3,5) s’obté sumant les probabilitats dels valors de X que té inclosos:
P 0,5  X  3,5  P  X  1  P  X  2  P  X  3  0,24  0,16  0,12  0,52

42. La funció de massa de probabilitat d’una variable aleatòria discreta X ve donada a la taula següent:
Xj 1 2 3 4 5
pj 0,07 a 0,2 b 0,33
A més, P  X  4   0,67 i P  X  4   0,6 . Calcula:
a) Els valors de a i b per completar la taula.

b) Dibuixa la gràfica de la funció de massa de X.
c) Calcula l’esperança i la variància de X.
d) Troba la probabilitat P(2  X  5) .
a) P  X  4 0,6 P  X  4 P  X  5 0,6 d’aquesta última expressió s’obté b 0,330,6 b P  X  4 0,27 .
Mentre que P  X  4 0,67 P  X  1P  X  2 P  X  3 P  X 4 0,67 i de l’última expressió, s’obté

0,07 a  0,2 0,27 0,67 a  P  X  2  0,13 .
Aleshores, la funció de massa de probabilitat de la variable X queda així:

Xj 1 2 3 4 5
pj 0,07 0,13 0,2 0,27 0,33
b) El diagrama de barres que representa la funció de massa de probabilitat és:
c) L’esperança de la variable X és E  X   1 0,07  2  0,13  3  0,2  4  0,27  5  0,33  3,66 .
Per calcular la variància abans s’ha de calcular:
E  X 2   12  0,07  22  0,13  32  0,2  42  0,27  52  0,33  14,96
La variància és Var  X   E  X 2   E  X   14,96 –3,662 1,5644 .

2
d) La probabilitat de l’interval  2,5  s’obté sumant les probabilitats dels valors de X que té inclosos:
P  2  X  5  P  X  2  P  X  3  P  X  4  0,13  0,2  0,27  0,6

43. Sigui una variable aleatòria X la funció de massa de probabilitat de la

qual ve donada pel diagrama adjunt:
a) Comprova que és una funció de massa de probabilitat.
b) Calcula l’esperança i la seva variància.
c) Calcula la probabilitat que el valor de la variable sigui menor o igual que 6.
I que sigui més gran que 9?
a) La taula següent recull els valors de la variable aleatòria X, amb les seves respectives probabilitats:
xj 2 4 6 8 10 12
pj 0,15 0,1 0,2 0,25 0,2 0,1
Es tracta d’una distribució de probabilitat perquè:
p j  0, per a tot j  1, 2, 3, 4, 5 i 6 i a més p1  p2  p3  p4  p5  p6  0,15  0,1 0,2  0,25  0,2  0,1  1
b) Per calcular l’esperança i la variància s’amplia la xj pj pjxj pjxj

2
taula de la distribució de X amb les columnes
necessàries: 2 0,15 0,3 0,6
4 0,1 0,4 1,6
De manera que l’esperança i la variància de la va-
riable aleatòria X són, respectivament: 6 0,2 1,2 7,2
6
8 0,25 2 16
E X  p x
j 1
j j  7,1
10 0,2 2 20
6
p x
12 0,1 1,2 14,4
Var  X   j
2
j  E [ X ]2  59,8  7,12  9,39
j 1 1 7,1 59,8
c) P  X  6  P  X  2  P  X  4  P  X  6  p1  p2  p3  0,45
P  X  9  P  X  10  P  X  12  p5  p6  0,3
44. L’esperança d’una variable aleatòria X és 7. Se sap que X pot prendre el valor 4 amb probabilitat 0,2, el va-
lor −1, amb probabilitat p, i el valor a, amb probabilitat 0,5.
a) Calcula els valors de a i p.
b) Calcula la desviació típica a X.
a) La taula de la dreta recull la distribució de probabilitat de la variable aleatòria X.

Com que les probabilitats han de sumar 1, tenim xj pj
que: p  0,2  0,5  1  p  0,3 p
I, com que: E  X   7  0,3   1  0,2  4  0,5  a  7  a  13 4 0,2
a 0,5
b) Per calcular la variància i la desviació típica, s’afegeix a la taula de la
distribució la columna corresponent i, per tant:
2
3 xj pj pjxj
  Var  X     E  X   88  7  39    39  6,2450
2 2
p j x 2j 2
0,3 0,3
j 1
4 0,2 3,2
El coeficient de variació, doncs, és: 13 0,5 84,5
 6,2450
CV ( X )    0,89214 1 88
 7

45. D’una bossa que conté 4 boles blanques i 3 de verdes s’extreuen una a una i sense reemplaçament 2 bo-
les. Considera la variable aleatòria X: “nombre de boles verdes extretes”.
a) Troba la distribució de probabilitat i dibuixa el diagrama de barres.
b) Calcula’n l’esperança i la seva variància.
Com que el que interessa és el nombre de boles verdes i no l’ordre en què s’han obtingut, es pot considerar
que les boles s’extreuen simultàniament. D’aquesta manera, el nombre de resultats possibles (igualment pro-
bables) en extreure dues bolles de la bossa és el nombre de combinacions d’ordre 2 (les dues boles que s’ex-
76
treuen) de 7 elements (les set boles de la bossa): C7,2   21 .
2
La probabilitat de la variable X: “nombre de boles verdes extretes” s’obté per la regla de Laplace:
 4  4 3 3
2 2 1   1  4  2 1
P  X  0     P  X  1       P  X  2    
21 7 21 7 21 7
a) Així doncs, la distribució de probabilitat de X es pot escriure

X  xj 0 1 2
de la manera següent:
2 4 1
P( X  x j )
7 7 7
f. m. probabilitat
X: nombre de boles verdes extretes
b) L’esperança i la variància es calculen així:

3 3 2
 
6 8 6 20
EX  pj x j  2  Var  X   p j x 2j  E [ X ]2    
j 1
7 j 1
7 7 49

Variables aleatòries binomials

46. La variable aleatòria X té una distribució binomial de paràmetres n = 8 i p = 0,6. Calcula:
a) L’esperança i la variància de X.
b) P( X  6) i P  X  5
c) P(3 X  5)
d) P(0 X  2)
a) L’esperança de X és E  X   n  p  8  0,6  4,8 .
I la variància és 2  Var  X   n  p  q  8  0,6  0,4  1,92 .
b) Es calculen les probabilitats directament o mitjançant la taula. En aquest últim cas s’ha d’utilitzar la distribució
de Y ~ Bin n  8,p  0,4 . És a dir:
P  X  6  1 – P  X  6   P  X  7   P  X  8  1 – P Y  2  P Y  1  P Y  0  

1   0,2090 0,0896 0,0168  0,6846
P  X 5  P  X  5   P  X  6   P  X  7   P  X  8  P Y  3   P Y  2   P Y  1  P Y  0  
0,2787 0,2090 0,0896 0,01680,5941
c) De manera similar a la de l’apartat anterior:
P 3 X 5 P  X  3 P  X  4 P Y  5P Y  4 0,23220,12390,3561
d) Es procedeix com als apartats anteriors:
P 0  X  2 P  X  1  P Y  7  0,0079
47. Es llancen 5 daus equilibrats i sigui la variable Y: “nombre d’uns aconseguits”. Calcula la probabilitat d’ob-
tenir:
a) Més d’un u.
b) Almenys quatre uns.
c) Exactament dos uns.
 1
La variable aleatòria Y té distribució Bin  n  5, p   . Les probabilitats s’obtenen a partir de la fórmula, ja que no
 6
es troben a les taules.
0 5 1 4
5  1   5  5  1   5 
a) P  X  1  1  P  X  0   P  X  1  1               1 0,40188  0,40188  0,19624
 0   6   6  1   6   6 
4 1 5 0
5   1   5  5  1   5 
b) P  X  4   P  X  4   P  X  5                 0,00322  0,00013  0,00335
 4  6   6  5  6   6 
2 3
5  1   5 
c) P  X  2         0,16075
 2  6   6 
48. D’una urna que conté 4 boles verdes i 6 de vermelles s’extreuen, successivament i amb reemplaçament, 6
boles. Calcula la probabilitat d’obtenir:
a) Exactament 3 boles verdes. b) Més de 4 boles verdes. c) Més de 2 però menys de 5 boles verdes.

Sigui la variable aleatòria X: "nombre de boles verdes obtingudes a les 6 extraccions", la distribució de la qual és
Bin(n  6; p  0,4) .
Les probabilitats que es demanen es poden obtenir directament de les taules de distribució binominal o utilitzar la
fórmula de la probabilitat de la distribució binomial:
a) P  X  3  0,2765
b) P  X  4  P  X  5  P  X  6  0,0369  0,0041  0,0410
c) P  2  X  5  P  X  3  P  X  4  0,2765  0,1382  0,4147
49. Una moneda està trucada de manera que la probabilitat d’obtenir cara és 0,6. Si es llança 10 vegades la
moneda, calcula:
a) La probabilitat d’obtenir almenys 8 cares.
b) La probabilitat d’obtenir menys de 5 cares.
c) El nombre mitjà de cares esperat i la desviació típica de la variable nombre de cares en els 10 llançaments.
Sigui la variable aleatòria X: “nombre de cares obtingudes en els 10 llançaments”, la distribució de la qual és
Bin(n  10; p  0,6) .
 10   10   10 
a) P  X  8   P  X  8   P  X  9   P  X  10     0,68 0,42    0,69 0,41    0,610 
 8  9  10 
 0,1209  0,0403  0,0060  0,1672
b) P  X  5   P  X  0   P  X  1  P  X  2  P  X  3   P  X  4  
 10   10   10   10   10 
   0,410    0,61  0,49    0,62  0,48    0,63  0,47    0,6 4  0,46 
0 1 2 3 4
 0,0001  0,0016  0,0106  0,0425  0,1115  0,1663
c) E  X   np  10  0,6  6 2  Var  X   np 1 p   10  0,6  0,4  2,4   Var  X   2,4 1,55
50. La probabilitat d'obtenir un sis en llançar un dau trucat és 0,4. Si es llança el dau 10 vegades, calcula la
probabilitat d'obtenir:
a) Exactament 5 sisos.
b) Més de la meitat de les vegades un sis.
c) Un nombre parell de sisos.
Sigui la variable aleatòria X: “nombre de sisos obtinguts en llançar 10 vegades el dau”. La distribució de la variable
X és Bin (n  10, p  0,4) .
 10 
a) P  X  5     0,450,65  0,2007
5
b) P  X  5   P  X  6   P  X  7   P  X  8   P  X  9   P  X  10  
 10   10   10   10   10 
   0,46  0,64    0,47  0,63    0,48  0,62    0,49  0,61    0,410 
 6  7  8  9  10 
 0,1115  0,0425  0,0106  0,0016  0,0001  0,1663
c) P  X  PAR   P  X  2   P  X  4   P  X  6   P  X  8   P  X  10  
 10   10   10   10   10 
   0,42  0,68    0,44  0,66    0,46  0,68    0,48  0,62    0,410 
2 4 6 8  10 
 0,1209  0,2508  0,1115  0,0106  0,0001  0,4939

Variables aleatòries contínues

51. Considera la funció següent:
x
 si 0  x  8
f ( x )   32
0 a la resta
a) Representa-la gràficament.
b) Comprova que pot ser la funció de densitat d’una variable aleatòria contínua.
c) Calcula’n la probabilitat P(2  X  9) .
a) La gràfica de la funció de densitat és:
b) Es tracta, en efecte, de la funció de densitat d’alguna variable aleatòria, ja que compleix els dos requisits:
Els valors de la funció són més grans o iguals que zero, f ( x )  0 , sigui quin sigui el valor x .
L’àrea de la regió compresa entre la gràfica de la funció, l’eix X, i la recta vertical x  8 , és la unitat, ja
1 1
que: Àrea   8    1
2 4
c) En aquest cas,
P  2  X  9  P  2  X  8  1 P 0  X  2
1
2
 1 16  15  0,9375
2 16

52. Una empresa fabrica rodets el diàmetre dels quals, en mm, és una variable aleatòria la funció de densitat
de la qual és:
 2  x  5
 si 5  x  10
f ( x )   25
0 en cas contrari
Si els rodets amb un diàmetre no comprès en l’interval [6, 9] són defectuosos, calcula el percentatge de
rodets defectuosos.
Es comprova que f és funció de densitat.

● f(x) ≥ 0 per a qualsevol valor de x.
5  0,4
● L'àrea tancada sota la corba i l'eix d'abscisses és l'àrea del triangle de base 5 i altura 0,4:  1 u2
2
Per calcular el percentatge de rodets defectuosos, es calcula P(X < 6) i P(0 < X).
1 0,08
● P(X < 6) és l'àrea d'un triangle:  0,04 u2
2
0,32  0,4
● P(0 < X) és l'àrea d'un trapezi rectangle:  0,36 u2
2
Així, la probabilitat que un rodet sigui defectuós és 0,04 + 0,36 = 0,4, i el percentatge de defectuosos és del 40 %.
Variables aleatòries amb distribució normal

53. Sigui una variable aleatòria que segueix una distribució N(0, 1). Troba el valor de k en cada cas.
a) P  Z  k   0,9846 c) P(Z  k )  0,8413
b) P  Z  k   0,33 d) P(k  Z  k)  0,7498
a)   k   P  Z k  0,9846  k  2,16
b) P  Z k  0,33  1 P  Z  k   0,33  k   P  Z  k   0,67 k  0,44
c) P  Z  k   0,8413    k   P  Z  k   0,8413 k  1  k  1
d) P  k Z k   P  Z  k   P  Z  k   P  Z  k   1 P  Z  k   2P  Z  k   1
Per tant, 2  k   1  0,7498  k   0,8749  k 1,15

54. Considera una variable aleatòria Z ∼ N(0,1). Calcula les probabilitats següents utilitzant les taules.
d) P(0,24  Z  1,73) c) P(Z  2,12) e) P(1,88  Z  0,67) g) P  Z  0,7 
e) P(Z  1,12) d) P(Z  0,38) f) P(1,64  Z  1,14) h) P  Z  1  0,83
a) P  0,24  Z  1,73   1,73    0,24  0,9582  0,5948  0,3634
b) P  Z  1,12  P  Z  1,12  1 P  Z  1,12  1  1,12  1 0,8686  0,1314
c) P  Z  2,12  1 P  Z  2,12  1   2,12  1 0,9830  0,017
d) P  Z  0,38  P  Z  0,38   0,38  0,6480
e) P  1,88  Z  0,67  P  0,67  Z  1,88   1,88   0,67  0,9699  0,7486  0,2213
f) P  1,64  Z  1,14  P  Z  1,14  P  Z  1,64  P  Z  1,14  P  Z  1,64  P  Z  1,14  (1 P  Z  1,64 ) 
  1,14  1  1,64   0,8729  (1 0,9495)  0,8224

g) P  Z  0,7  P(Z  0,7)  P(Z  0,7)  2P(Z  0,7)  2(1  P(Z  0,7))  2 1   0,7    2 1  0,7580  0,484
h) P  Z  1  0,83  P  0,83  Z  1  0,83   P 0,17  Z  1,83    1,83    0,17   0,9664  0,5675  0,3989
55. Sigui una variable aleatòria que segueix una distribució N (0, 1) , troba el valor de k en cada cas.
f) P(Z  k )  0,9147 c) P(Z  k )  0,6331 e) P(k  Z  k )  0,7498 g) P 1,8  3Z  k   0,0624
g) P(Z  k )  0,0329 d) P(Z  k )  0,4013 f) P(k  Z  1,3)  0,5475 h) P  k  Z  1  0,37  0,189
a) P(Z  k )  0,9147  k  1,37
b) P(Z  k )  0,0329  1 P(Z  k )  0,0329  P(Z  k )  0,9671  k  1,84
c) P(Z  k )  0,6331  P(Z  k )  0,6331  k  0,34  k  0,34
d) P(Z  k )  0,4013  P(Z  k )  1 0,4013  0,5987  P(Z  k )  0,5987  k  0,25  k  0,25
e) P(k  Z  k )  0,7498  P(Z  k )  P(Z  k )  P(Z  k )  P(Z  k )  P(Z  k )  1 P(Z  k )  2P(Z  k )  1
0,7498  2P(Z  k )  1  P(Z  k )  0,8749  k  1,15

f) P(k  Z  1,3)  0,5475  P(Z  1,3)  P(Z  k )  0,5475  P(Z  k )  0,3557  P(Z  k )  0,6443 
 k  0,37  k  0,37
 k  k  k
g) P 1,8  3Z  k   0,0624  P  0,6  Z    P  Z    P  Z  0,6   0,0624  P  Z    0,7257  0,0624 
 3  3  3
 k k
 P  Z    0,7881   0,80  k  2,4
 3 3
h) P(k  Z  1  0,37)  0,189  P(1 k  Z  1,37)  P(Z  1,37)  P(Z  1 k )  0,189  P(Z  1 k )  0,7257 
 1 k  0,6  k  0,4

56. Sigui X una variable aleatòria amb distribució normal de mitjana 5 i desviació típica 2. Calcula les proba-
bilitats següents.
h) P( X  3) c) P(2  X  4  2) e) P(1  X  9)
i) P( X  2) d) P  2 X  1 f) P  X  2 | X  1
 35
a) P( X  3)  P  Z    P (Z  1)  1  P (Z  1)  0,1587
 2 
 25
b) P( X  2)  P  Z    P(Z  1,5)  1  P(Z  1,5)  0,0668
 2 
 25 65 
c) P( 2  X  4  2)  P  2  X  6   P  Z   P  1,5  Z  0,5   P  Z  0,5   P  Z  1,5  
 2 2 
 P  Z  0,5  1 P  Z  1,5   0,6915  0,0668  0,6247

 0,5  5 0,5  5 
d) P  2 X  1  P  1  2x  1  P  0,5  X  0,5   P  Z   P  2,75  Z  2,25  
 2 2 
 P  2,25  Z  2,75  0,9970  0,9878  0,0092

 1 5 95
e) P(1  X  9)  P  Z   P  2  Z  2  P  Z  2  P  Z  2  P  Z  2  P  Z  2 
 2 2 
 P  Z  2  1 P  Z  2   2P  Z  2  1  2  0,9772  1  0,9544

 1 5 25
P Z 
P 1  X  2   2 2  P  2  Z  1,5  P 1,5  Z  2  0,9772  0,9332
f) P  X  2 | X  1       0,045
P ( X  1)  1  5  P  Z  2  P  Z  2 0,9772
P Z  
 2 
Aproximació d’una binomial per una normal

57. Una certa vacuna produeix una reacció adversa en el 10 % dels casos. Calcula la probabilitat que, en una
campanya de vacunació realitzada a 1000 persones:
a) Es produeixin almenys 90 casos de reacció adversa.
b) No es produeixin més de 100 casos de reacció adversa.
Considera la variable aleatòria X: “nombre de casos amb reacció adversa, dels 1000”. La distribució de probabilitat
de X és binomial Bin  n  1000; p  0,1 .
Com que np  100  5 i n 1 p   900  5 , es pot aproximar la distribució de probabilitat de X per la d’una varia-

ble aleatòria normal Y ~ N   np  100;   np 1 p   90 . 
a) Utilitzant l’aproximació normal a la binomial i tenint en compte la correcció per continuïtat:
 89,5  100 
P  X  90   P Y  89,5   P  Z    P  Z  1,11   1,11  0,8665
 90 
b) En aquest cas:
 100,5  100 
P  X  100  P Y  100,5   P  Z    P  Z  0,05     0,05   0,5199
 90 

58. Es llança 500 vegades una moneda equilibrada. Troba:

a) El nombre esperat de cares.
b) La probabilitat que el nombre de cares estigui comprès entre 100 i 200.
c) La probabilitat d’obtenir més de 300 cares.
Sigui la variable aleatòria X: “nombre de cares obtingudes en els 500 llançaments”. Com que es considera que la
moneda està equilibrada, la probabilitat d’obtenir cara en un llançament és p  0,5 .
La distribució de probabilitat de X ~ Bin  n  500; p  0,5  .
a) El nombre esperat de cares, o esperança de la variable X, és
E  X   np  500  0,50  250 .

Per calcular les probabilitats, es pot aproximar la distribució de probabilitat de la variable X per la d’una variable

Y amb distribució normal: Y ~ N   np  250;   npq  125 . 
De manera que:
 99,5  250 200,5  250 
P 100  X  200   P  99,5  Y  200,5   P  Z   P  13,46  Z  4,42  
 125 125 
 P  4,42  Z  13,46   1  1  0
La probabilitat és molt pròxima a zero.
b) En aquest cas:
 300,5  250 
P  300  X   P  300,5  Y   P   Z   P (4,52  Z )  1  P(Z  4,52)  1  1  0
 125 
Síntesi
59. Sigui X una variable aleatòria amb distribució normal de mitjana 6 i desviació típica 3. Calcula les proba-
bilitats següents.
a) P  X  3 c) P  2  X  2 e) P  0  X  12
b) P  X  2 d) P  2X  1 f) P  X  2 | X  1
En tots els casos, es tipifica prèviament per poder fer servir les taules de la normal estàndard.
 36
a) P  X  3   P  Z    P  Z  1  P  Z  1  1 P  Z  1  1 0,8413  0,1587
 3 
 26  4
b) P  X  2  P  Z    P  Z     0,9082
 3   3
 2  6 26  8 4
c) P  2  X  2  P  Z   P   Z    
 3 3   3 3
 4  8
 P  Z     P  Z     0,0918 – 0,0038  0,0880
 3  3
 1 1  13 11 
d) P  2 X  1  P   X    P  Z     0,0336 – 0,0150  0,0186
 2 2  6 6
06 12  6 
e) P  0  X  12  P  Z   P  2  Z  2  0,9544
 3 3 

f) Es demana la probabilitat condicionada:

P  X  2X  1 P 1  X  2
P  X  2 | X  1  
P  X  1 P  X  1
Calculant el numerador i el denominador per separat, obtenim:
 1 6 26  5 4
P 1  X  2  P  Z   P    Z     0,0918 – 0,0475  0,0443
 3 3   3 3 
 5
P  X  1  P  Z     0,9525
 3
Per tant:
0,0443
P  X  2 | X  1   0,0465
0,9525
60. Una variable aleatòria X segueix una distribució normal de mitjana  i desviació típica .
Si P  X    1  0,383 , troba la desviació típica de X.
 1 X   1   1 1  1
Com que 0,383  P  X    1  P  1  X    1  P      P  Z    2    1 ,
       
Tenim que:
 1 1 1
    0,6915   0,5    2
  0,5
61. El retard amb què arriben els autobusos d’una línia que fa el trajecte entre dues ciutats segueix una distri-
bució normal de mitjana 5 minuts. Si se sap que el 30 % dels autobusos arriba amb un endarreriment su-
perior a 7 minuts.
a) Calcula la desviació típica de la distribució.
b) Determina el percentatge d’autobusos que arriba abans de l’hora fixada.
c) Troba la probabilitat que el retard superi els 8 minuts.
d) Quin és el retard d’un autobús que arriba abans que el 80 % dels autobusos?
a) Sigui la variable aleatòria X: “retard, en minuts, amb què arriben els autobusos”. X té una distribució
N    5;  , amb  desconeguda.
Si el 30% arriba amb un retard superior a 7 minuts, significa que P  X  7  0,3 .

Utilitzant la informació anterior, tenim que
 75 2
P  X  7   0,3  P  Z    0,3   0,525   3,81
   
b) En aquest cas, es tracta de calcular P  X  0  .
 05
P  X  0  P  Z    P  Z  1,31  1   1,31  1  0,9049  0,0951 , és a dir, al voltant del 9%.
 3,81 
c) La probabilitat que el retard superi els 8 minuts ve donada per
 85
P  X  8  P  Z    P  Z  0,79   1  P  Z  0,79   1  0,7852  0,2148
 3,81 
d) Ara es tracta de calcular el valor de c de manera que P  X  c   0,2 , que equival a:
 c 5  c 5 c 5
P Z    0,2     0,2   0,842  c  1,792 minuts
 3,81   3,81  3,81

62. El temps en minuts transcorregut fins que una persona és atesa en una sucursal A d’un banc segueix una
distribució N   9,  0,1 , mentre que el temps, també en minuts, transcorregut fins que és atès a la su-
cursal B segueix una distribució N   8,5;  2 .
a) Si un client ha de fer una gestió i només disposa de 10 minuts, a quina sucursal serà més fàcil que l’hagin atès
en el temps de què disposa?
b) Un client, tenint en compte la proximitat d’aquestes dues sucursals de casa seva, tria anar a la sucursal A amb
probabilitat 0,3, i a la sucursal B, amb probabilitat 0,7. Triant una de les visites al banc d’aquest client a l’atzar,
quina és la probabilitat que el client s’hagi hagut d’esperar més de 10 minuts?
Considera les variables X: “temps d’espera a la sucursal A” i Y: “temps d’espera a la sucursal B”. La variable X
segueix una distribució X ~ N   9;  0,1 i la variable Y Y ~ N   8,5;  2 .
a) La probabilitat que sigui atès a la sucursal A, en els 10 minuts de què disposa és:
 10  9 
P  X  10   P  Z    10   1
 0,1 
Mentre que la probabilitat que sigui atès a la sucursal B en aquests 10 minuts és:
 10  8,5 
P Y  10   P  Z      0,75   0,7734
 2 
Per tant, en els 10 minuts de què disposa, és més probable que l’hagin atès a la sucursal A que a la B.
b) Considera els esdeveniments A = “el client tria la sucursal A” i B = “el client tria la sucursal B”. Les probabilitats
són P  A  0,3 i P  B  0,7 .
Sigui T = “temps d’espera del client fins que és atès” (observa que T  X , si tria la sucursal A i T  Y si tria la
sucursal B).
Si el client tria la sucursal A, la probabilitat que tardin més de 10 minuts a atendre’l és:
P T  10 | A  1 P T  10 | A  1 1  0
Si el client tria la sucursal B, la probabilitat que tardin més de 10 minuts a atendre’l és:
P T  10 | B  1 P T  10 | B  1 0,7734  0,2266
Utilitzant el teorema de la probabilitat total:

P T  10  P  A P  X  10 | A  P  B P Y  10 | B  0,3  0  0,7  0,2266  0,15862
QÜESTIONS
 p
63. Siguin les variables aleatòries X ~ Bin  n ; p  i Y ~Bin  2n,  .
 2
a) Comprova que tenen la mateixa mitjana.

b) Quina de les dues distribucions té les dades menys disperses respecte a la seva mitjana?
p
a) E  X   n  p i E Y   2n   np
2
Per tant, tenen la mateixa mitjana o esperança.
b) Per veure quina de les dues variables té les dades menys disperses, s’ha de calcular la variància de totes dues
variables i comparar-les. Se suposa que p  0 i p  1 .
p  p  p
Var  X   n  p  1 p  i Var Y   2n   1   n  p  1 
2  2  2
p
Com que 1  p  1   Var  X   Var Y  la variable X té els valors menys dispersos que la variable Y.
2

64. Observa les gràfiques de les següents funcions de densitat
Assigna a cada gràfica la mitjana i la desviació típica que els

correspon.
a)   2,5 i   1,5
b)   2,5 i   1
c)   2 i   0,5
a) Corba de color vermell (altura intermèdia).

b) Corba de color blau (la que assoleix més altura).
c) Corba de color rosa (la que té el màxim sobre x
65. Sigui una variable aleatòria X amb distribució normal N (, ) . Calcula el percentatge de valors de la varia-
ble que disten de la mitjana:
a) Menys d’1,5 desviacions típiques.
b) Més de 0,5 i menys de 2 desviacions típiques.
a) Els valors de X que disten de la mitjana  menys de 1,5 desviacions típiques són els inclosos a
l’interval    1,5  ;   1,5   .
Aleshores,
   1,5      1,5    
P    1,5   X   1,5    P  Z   P  1,5  Z  1,5   P  Z  1,5   P  Z  1,5  
   
  1,5  1  1,5   2   1,5   1  2  0,9332  1  0,8664
b) En aquest cas, per la simetria de la densitat de la distribució normal, tenim que:
 X  
P  0,5    X    2     P  0,5   2   2     2    0,5    2   0,9772  0,6915   0,5714.
  
PROBLEMES
66. Sigui X la variable aleatòria que consisteix a sumar les puntuacions obtingudes en llançar conjuntament un
dau i una moneda equilibrats. Les puntuacions que es consideren de la moneda són 0 per a la cara i 1 per a
la creu.
a) Escriu la funció de massa de probabilitat i dibuixa’n la gràfica.
b) Calcula la probabilitat que la variable X prengui com a valor un nombre primer.
c) Calcula l’esperança i la variància de X.
a) En el llançament conjunt d’una moneda i un dau, l’espai mostral està format pels següents resultats equipro-
bables E  1C,2C,3C,4C,5C,6C,1X,2X,3X,4X,5X,6X  i quan se sumen, amb C  0 i X  1 resulta que la varia-
ble aleatòria X: “suma de les puntuacions del dau i la moneda” pren els valors enters de l’1 al 7, amb les proba-
bilitats que es mostren a la taula següent:
X 1 2 3 4 5 6 7
1 1 1 1 1 1 1
P X  x
12 6 6 6 6 6 12
1 1 1
On, per exemple, P  X  2  P  2C   P 1X    
12 12 6

La seva gràfica es pot representar mitjançant un diagrama de barres:
X: suma de puntuacions
b) La probabilitat que la suma sigui un nombre primer (3, 5 o 7), s’obté sumant les probabilitats d’individuals de 3,
5 i 7.
1 1 1 5
P  X  nombre primer   P  3   P  5   P  7     
6 6 12 12
c) Per calcular l’esperança i la variància de la variable X, es construeix la taula següent:
X P X  x xP  X  x  x 2P  X  x 
1 1 1
1
12 12 12
1 1 2
2
6 3 3
1 1 3
3
6 2 2
1 2 8
4
6 3 3
1 5 25
5
6 6 6
1
6 1 6
6
1 7 49
7
12 12 12
115
1 4
6
7
L’esperança és E  X   x p  4 .
j 1
j j
x p 
115 115 19
 Var  X   E  X 2   E  X  
2
La variància és E  X 2   2
j j  42  .
j 1
6 6 6
67. D’una urna que conté 4 boles verdes i 6 de vermelles se n’extreuen successivament i amb reemplaçament
6 boles. Calcula la probabilitat d’obtenir:
a) Exactament 3 boles verdes.
b) Més de 4 boles verdes.
c) Més de 2 però menys de 5 boles verdes.
Cada extracció es pot considerar com un assaig de Bernoulli en què la probabilitat de l’esdeveniment A = “obtenir
la bola verda” és p  A  0,4 .
Considera la variable aleatòria X: “nombre de boles verdes extretes en els 6 intents”. La distribució de la variable X
és Bin  n  6; p  0,4 . Les probabilitats que es demanen es poden obtenir directament de la taula de la binomial.

a) P  X  3  0,2765
b) P  X  4  P  X  5  P  X  6  0,0369  0,0041  0,041
c) P  2  X  5  P  X  3  P  X  4  0,2765  0,1382  0,4147
68. L’encarregat d’una plantació de pollancres assegura que, en aquest moment, el diàmetre dels arbres se-
gueix una distribució normal de mitjana 20 cm i que el 90 % té un diàmetre inferior a 25 cm.
a) Calcula la desviació típica de la distribució.
b) Calcula la probabilitat que un arbre escollit a l’atzar tingui més de 22 cm de diàmetre.
Sigui X: “diàmetre, en cm, dels arbres de la plantació”. Se sap que X segueix una distribució N   20;  .
a) Com que P(X  25)  0,9 , aleshores, es tipifica i es busca a les taules de la normal:
 25  20  5
P  X  5  P  Z    0,9   1,282    3,9cm
   
b) Amb la desviació típica calculada l’apartat anterior:
 22  20 
P  X  22  P  Z   P  Z  0,51  1   0,51  1 0,6950  0,3050
 3,9 
69. Un test específic per determinar la salut dels treballadors d’una empresa té una distribució normal de mit-
jana μ = 100 i desviació típica   8 . El protocol de la revisió estableix que, si un treballador supera els 115
punts, ha de ser objecte d’una segona revisió més exhaustiva.
Quin és el percentatge de treballadors que necessitarà una segona revisió?
Sigui X: “puntuació del test de salut dels treballadors”, amb distribució N   100,  8 .
Per estimar el percentatge que necessitarà una segona revisió, s’ha de calcular:
 115  100 
P  X  115   P  Z    P  Z  1,875   1  1,875   1 0,9696  0,0304
 8 
Per tant, s’estima que al voltant del 3 % dels treballadors necessitarà una segona revisió.
70. L’edat dels treballadors d’una piscifactoria segueix una distribució normal de mitjana 44 anys i una desvia-
ció típica 8,2 anys.
Si al 10 % dels treballadors de més edat se’ls reduirà la jornada laboral, quants anys té el treballador més
jove afectat per aquesta mesura?
Es considera la variable X: “edat dels treballadors”. La seva distribució és X ~ N   44;  8,2 .
Sigui a l’edat del treballador més jove dels treballadors afectats per la reducció de la jornada laboral, resulta que
P  X  a   0,1 .
Aleshores, es busca la funció de distribució de X i es tipifica:
 a  44 
1  P  X  a   0,1  P  X  a   0,9  P  Z   0,9
 8,2 
a  44
I, de les taules de la distribució normal estàndard, resulta que  1,282  a  54,5 anys
8,2

71. El 70 % dels habitants d’una localitat no vol que al seu municipi es construeixi un cementiri nuclear.
a) Si es recull una mostra de 50 persones, calcula l’esperança i la desviació típica de la variable X: “nombre de
persones que s’oposen a la construcció del cementiri nuclear”.
b) Si la mostra és de 100 persones, calcula la probabilitat que més de 80 persones s’oposin al projecte.
a) Sigui la variable aleatòria X: “nombre de persones, de les 50, que s’oposen a la construcció del cementiri nu-
clear”. La variable aleatòria és X ~ Bin  n  50; p  0,7 , l’esperança i la variància de la qual són, respecti-
vament, E  X   n  p  50  0,7  35 i Var  X   n  p  1 p   50  0,7  0,3  10,5 .
b) En aquest cas, la variable Y: “nombre de persones, de les 100, que s’oposa a la construcció del cementiri nu-
clear” té una distribució Y ~ Bin  n  100, p  0,7 .
Com que E Y   100  0,7  70 i Var Y   100  0,7  0,3  21 :
La distribució de Y es pot aproximar per una variable T ~ N   70;2  21 .
Aleshores, s’aproxima per la normal i es tipifica:
 80,5  70 
P Y  80  P T  80,5   P  Z    P  Z  2,29   1   2,29   1 0,9890  0,0109
 21 
72. Una fàbrica de sucre envasa el producte en paquets d’un quilo. En al control de qualitat s’han pesat, amb
una bàscula de precisió, 100 paquets i s’ha obtingut que la mitjana és 1000,8 g amb una desviació típica de
16,18 g.
Suposant que la quantitat de sucre envasat segueix una distribució normal i que no són admissibles pa-
quets amb menys de 980 g o amb més de 1020 g, calcula el percentatge de paquets que han de ser rebut-
jats.
Sigui la variable aleatòria X: “quantitat envasada a cada paquet, en grams”. La seva distribució és
N   1000,8;  16,18 .
Es calcula la probabilitat que un paquet triat a l’atzar sigui acceptat; és a dir, que el seu pes estigui comprès entre
980 i 1020 grams:
 980  1000,8 1020  1000,8 

P  980  X  1020   P  Z   P  1,29  z  1,19  
 16,18 16,18 
  1,19   1   1,29   0,8830  1  0,9015  0,7845
Així doncs, el 78,45 % dels paquets seran acceptats i, per tant, el 21,55 % seran rebutjats.
73. Abans de posar a la venda un nou fàrmac, es realitzen quatre controls de qualitat independents. A cada
control, si el fàrmac és defectuós, es detecta en el 95 % dels casos. Calcula la probabilitat que un fàrmac
en males condicions:
a) Sigui detectat en només un dels quatre controls.
b) Sigui detectat en almenys dos controls.
c) No s’hagi posat a la venda.
Es considera la variable X: “nombre de controls, dels 4, en què es detecta que el fàrmac està en males
condicions”. La distribució és X ~ Bin  n  4; p  0,95 . Les probabilitats s’obtenen de la taula de la
Y ~ Bin  n  4; p  0,05 .
a) P  X  1 P Y  3 0,0005
b) P  X 2 P Y 2 P Y  0 P Y  1 P Y  2  0,81450,17150,01350,9995

c) El fàrmac es posarà a la venda només si en cap dels controls es detecta que està en males condicions. És a
dir, si X 0 . D’aquesta manera:
P  X 0 P Y  4  0
De manera que, amb aquest sistema de control, un fàrmac en males condicions no es posarà a la venda.
74. Un tribunal ha de qualificar 700 aspirants per cobrir 25 vacants en un organisme oficial. Si les qualifica-
cions són de 0 a 10 i la seva distribució és normal de mitjana µ = 5,7 punts i desviació típica σ = 1,5 punts,
se demana:
a) Quants opositors han obtingut puntuació superior o igual a 5 punts?
b) Quina és la nota de tall per ser seleccionat?
Sigui la variable aleatòria X: “qualificació de les proves”. Tenim X ~N   5,7;  1,5 . Aleshores:
a) Es calcula la probabilitat que un opositor triat a l’atzar obtingui qualificació igual o superior a 5:
 5  5,7 
P  X  5  P  Z   P  Z  0,47     0,47   0,6808
 1,5 
És a dir, el 68,08 % dels opositors ha obtingut puntuació superior o igual 5 i, per tant, 700  0,6808  476,56 , és
a dir uns 477 opositors han obtingut nota superior o igual a 5.
b) Per obtenir la nota de tall, que anomenem c, s’ha de tenir en compte que 675 opositors no tindran plaça, la qual
cosa suposa el 96,43 % dels 700 aspirants. Per tant, s’ha de plantejar el següent:
 c  5,7  c  5,7
P  X  c   0,9643  P  Z   0,9643   1,802  c  8,403
 1,5  1,5
75. Si un dau equilibrat es llança 600 vegades, calcula la probabilitat d’obtenir:

a) Almenys 300 vegades un nombre parell.
b) Més de120 vegades un 6 (puntuació màxima).
a) Sigui la variable X: “Nombre de vegades, de les 600, que s’obté nombre parell”. X ~ Bin  n  600; p  0,5 , que
posat que n és suficientment gran, es pot aproximar per W ~ N   300, 2  150 , ja que:
  E  X   600  0,5  300 i 2  Var  X   600  0,5  0,5150
De manera que, s’aproxima per la normal i es tipifica:
 349,5  300 
P  X  350   P W  349,5   P  Z    P  Z  4,04   1   4,04   1 1  0
 150 
 1
b) Es considera Y: “Nombre de vegades, de les 600, que s’obté un 6”. Y ~ Bin  n  600; p   .
 6 
1 1 5 500
L’esperança i la variància són E Y   600   100 i Var Y   600     83,33 .
6 6 6 6
Per tant, la distribució de la variable Y es pot aproximar per la de la variable V ~ N   100;2  83,33 . I, Ales-
hores:
 120,5  100 
P Y  120   P V  120,5   P  Z    P  Z  2,25   1    2,25   1  0,9878  0,0122
 83,33 

76. La puntuació d’un test homologat per determinar el quocient intel·lectual té una distribució normal de mit-
jana µ = 110 punts i desviació típica σ = 18. Si s’escull una persona a l’atzar per realitzar el test, calcula:
a) La probabilitat que obtingui una puntuació inferior a 100.
b) La probabilitat que superi els 130 punts si se sap que en un test anterior va superar els 115 punts.
Sigui X: “puntuació en el test” la variable aleatòria la distribució de la qual és N   110,   18 .
a) La probabilitat que una persona triada a l’atzar no arribi als 100 punts és:
 100  110 
P  X  100   P  Z    P  Z  0,56     0,56   1  0,56   1 0,7123  0,2877
 18 
b) En aquest cas, es tracta de calcular la probabilitat condicionada següent:
P(X  130  X  115) P(X  130) 0,1335
P  X  130 | X  115      0,3426
P  X  115  P(X  115) 0,3897
on:
 130  110 
P  X  130   P  Z    P  Z  1,11  1  1,11  1 0,8665  0,1335
 18 
 115  110 
P  X  115   P  Z    P  Z  0,28   1  0,28   1 0,6103  0,3897
 18 
77. Segons les dades de l’organisme corresponent, el 80 % dels incendis que es produeixen a l’època de calor
són provocats. Si aquest estiu s’han produït 150 incendis en una determinada regió, calcula la probabilitat
que:
a) Més de 100 hagin estat provocats.
b) Com a molt 30 hagin estat accidentals.
c) El nombre d’incendis provocats superi el 80 % del total d’incendis.
Es considera la variable aleatòria X: “nombre d’incendis provocats, dels 150 produïts”. X segueix una distribució
binomial Bin  n  150, p  0,8 .
L’esperança i la variància de X són E  X   150  0,8  120 i 2  Var  X   150  0,8  0,2  24 que es pot aproximar
per la distribució d’una variable Y ~ N   120;2  24 . Aleshores:
a) La probabilitat que més de 100 incendis siguin provocats és:
 100,5  120 
P  X  100   P Y  100,5   P  Z    P  Z  3,98    3,98   1
 24 
b) Que com a molt 30 siguin accidentals equival al fet que almenys 120 siguin intencionats.
 119,5  120 
P  X  120   P Y  119,5   P  Z    P  Z  0,10    0,10   0,5398
 24 
c) En aquest cas es demana que el nombre d’incendis provocats superi el 80 % del total d’incendis, és a dir,
superi els 120 incendis.
 120,5  120 
P  X  120   P Y  120,5  P  Z    P  Z  0,1  1   0,1  1  0,5398  0,4602
 24 

78. Un sistema elèctric està format per 6 components independents. La probabilitat que falli un dels compo-
nents és 0,15. Calcula la probabilitat que:
a) Fallen almenys dos components.
b) Fallen almenys dos components si se sap que ja n’ha fallat almenys un.
c) No falla cap component.
Sigui la variable aleatòria X: “nombre de components que fallen de les 6”.
La distribució de X és Bin n  6;p  0,15 . Les probabilitats es poden obtenir de la taula de la binomial:
a) P  X  2  1– P  X  2  1–  P  X  0  P  X  1  1–  0,3771 0,3993  0,2236
b) En aquest cas es tracta d’una probabilitat condicionada:

P  X  2  X  1 P  X  2 0,2236
P  X  2 | X  1     0,3590
P  X  1 P  X  1 0,6229
on P  X  1 1 –P(X  1) 1 – P  X  01 – 0,3771 0,6229
c) En aquest cas P  X  0 0,3771
79. Una empresa fabrica mines de grafit per a portamines la longitud de les quals segueix una distribució
N(µ = 30, σ = 0,5) en mil·límetres. Només s’accepten les mines si la seva llargada està compresa entre 29 i
31 mm. Si un control de qualitat selecciona a l’atzar 1000 mines, calcula la probabilitat que siguin accep-
tades més de 950 mines.
La variable aleatòria X: “longitud de les mines de grafit” té una distribució N   30;  0,5 , en mm.
Si una mina de grafit es tria a l’atzar, la probabilitat que sigui acceptada és:
 29  30 31  30 
P  29  X  31  P  Z  P  2  Z  2  2  2  1  2  0,9772  1  0,9544
 0,5 0,5 
Considera, ara, la variable Y: “nombre de mines, de les 1000, que són acceptades”. La variable Y té una distribució
Bin  n  1000; p  0,9544 , i, atesa la mida de la mostra, es pot aproximar per una variable aleatòria amb distribució
normal, tot i que el valor de la p sigui gran.
La variable T ~ N   1000  0,9544  954,4;2  1000  0,9544  0,0456  43,52 . Aleshores:
 950,5  954,4 
P Y  950   P T  950,5   P  Z    P  Z  0,59    0,59   0,7224
 43,52 
80. A la segona volta de les eleccions presidencials, el candidat A va obtenir el 52 % dels vots emesos. La res-
ta va votar l’altre candidat o en blanc. Si de la població que ha participat en la votació s’escullen a l’atzar
2000 persones, calcula la probabilitat que entre aquestes:
a) Més del 60 % hagi votat el candidat A.
b) Menys de la meitat hagi votat el candidat A.
c) Més del 60 % hagi votat el candidat A si se sap que almenys la meitat va votar.
Sigui la variable aleatòria X: “nombre de persones, de les 2000, que han votat el candidat A”. La distribució de X és
Bin  n  2000; p  0,52 .
L’esperança i la variància de X són E  X   2000  0,52  1040 i 2  2000  0,52  0,48  499,2 .
De manera que, atesa l’elevada mida de la mostra, la distribució de X es pot aproximar per la distribució de la va-
riable W ~ N  µ  1040;2  499,2 .

 1200,5  1040 
a) P  X  1200  P W  1200,5  P  Z    P  Z  7,18  1   7,18  1 1  0
 499,2 
 999,5  1040 
b) P  X  1000  P W  999,5  P  Z    P  Z  1,81  1  1,81  1 0,9649  0,0351
 499,2 
c) La probabilitat que almenys la meitat de les 2000 persones hagi votat el candidat A és:
P(X  1200) 0
P  X  1200 | X  1000    0
P  X  1000  0,9649
on P  X 1000 1 P(X  1000) 1 0,03510,9649
PER APROFUNDIR
81. En un centre educatiu, tot i els controls rigorosos, un 12 % dels ordinadors resulta infectat per algun tipus
de virus informàtic:
a) Si en una aula hi ha 10 ordinadors, calcula la probabilitat que més d’un ordinador tingui virus.
b) Si es vol que la probabilitat que hi hagi, com a màxim, dos ordinadors infectats sigui almenys 0,7, quin ha de
ser el nombre màxim d’ordinadors a l’aula.
c) Si en tot el centre el nombre d’ordinadors és 150, quina és la probabilitat que almenys el 10 % tingui virus.
a) Sigui X: “nombre d’ordinadors infectats, dels 10”. La variable X ~ Bin  n  10; p  0,12 , aleshores:
P  X  1  1 P  X  1  1  P  X  0  P  X  1  1 0,2785  0,3798   0,3417
en què:
 10 
P  X  0  0,8810  0,2785 y P  X  1   0,12  0,889  0,3798
 1
b) En aquest cas, es tracta de calcular el valor més gran de n, en la distribució binomial perquè P  X  20,7
Per fer-ho, es necessiten les probabilitats:

n  n  1
P  X  0  0,88n , P  X  1  n  0,12  0,88n 1 i P  X  2  0,122 0,88n  2
2
n  n  1
De manera que P  X  2  0,88n  n  0,12  0,88n 1  0,122 0,88n  2
2
Es construeix la taula següent, amb les probabilitats necessàries per obtenir P  X  2 :
n P(X = 0) P(X = 1) P(X = 2) P  X  2

14 0,16702 0,31885 0,28262 0,76848
15 0,14697 0,30063 0,28696 0,73457
16 0,12934 0,28219 0,28860 0,70013
17 0,11382 0,26385 0,28783 0,66550
18 0,10016 0,24584 0,28496 0,63096
És a dir, com a màxim hi ha d’haver 16 ordinadors a l’aula.

c) Ara la variable Y: “nombre d’ordinadors infectats, dels 150” és Y ~ Bin  n  150; p  0,12 .
L’esperança i la variància de Y són E Y   150  0,12  18 i Var  X   150  0,12  0,88  15,84 .
De manera que la distribució de Y es pot aproximar per la de la variable T ~N   18;2  15,84 . Aleshores,
com que el 10 % de 150 és 15, tenim que:
 14,5  18 
P Y  15   P T  14,5   P  Z    P  Z  0,88    0,88   0,8106
 15,84 
82. El temps que dura el procés final de muntatge d’un article és una variable aleatòria amb distribució normal
N(µ, σ). Si el 30 % dels articles es munta en menys de 2 hores i en el 5 % es tarda més de 2 hores i mitja,
calcula:
a) La mitjana i la variància de la distribució.
b) El percentatge d’articles que es munta en menys d’una hora i mitja.
Sigui la variable aleatòria X: “durada del procés del muntatge de l’article, en hores”. Tenim X ~N ,  , els dos pa-
ràmetres desconeguts.
Se sap que P(X  2)  0,3 i P(X  2,5)  0,05 .
a) Es tipifica la variable i i s’aproxima amb les taules de la N  0,1 , i tenim:
 2  2
P  X  2  0,3  P  Z    0,3   0,525
   
 2,5    2,5  
P  X  2,5   0,05  P  Z    0,05   1,645
   
Que porta a resoldre el sistema de dues equacions amb dues incògnites següent:
   0,525  2

  1,645  2,5
La solució del qual és   2,121 i   0,2304 .
b) La probabilitat que un article triat a l’atzar es munti en menys d’una hora i mitja és:
 1,5  2,121 
P  X  1,5   P  Z   P  Z  2,6953   1   2,7   1 0,9965  0,0035
 0,2304 
Així doncs, el percentatge estimat d’articles que es munten en menys d’una hora i mitja és del 0,35 %.
83. La producció de blat per hectàrea (ha) de terreny en una comarca segueix una distribució N(µ, σ). Les da-
des històriques indiquen que només el 10 % dels anys la producció supera els 4000 kg/ha, mentre que el
60 % dels anys queda per sota dels 3200 kg/ha.
a) Calcula la mitjana i la desviació típica de la distribució.
b) Calcula la probabilitat que la producció superi els 3500 kg/ha en un any escollit a l’atzar.
Es considera la variable aleatòria X: “producció de blat per hectàrea” a la comarca. La variable X segueix una dis-
tribució N , 2  .
Se cap que P  X  4000  0,1 i que P  X  3200  0,6 .

a) Amb la informació disponible tenim que:
 4000    4000  
P  X  4000   0,1  P  Z    0,1   1,281
   
 3200    3200  
P  X  3200   0,6  P  Z    0,6   0,253
   
El sistema de dues equacions amb dues incògnites queda:
   1,281  4000

  0,253  3200
La solució del qual és  3003,11i 778,21 quilograms per hectàrea.
b) Amb els paràmetres calculats a l’apartat a, tenim:
 3500  3003,11 
P  X  3500   P  Z    P  Z  0,64   1   0,64   1 0,7389  0,2611
 778,21 
84. A Catalunya, la distribució de la població segons el seu grup sanguini es recull a la taula:
Tipus Rh + Rh -
O 36 % 9%
A 34 % 8%
B 8% 2%
AB 2,5 % 0,5 %
El grup A− només pot rebre sang de persones amb els grups O− i A−, mentre que pot ser donant a perso-
nes dels grups AB+, AB−, A+ i A−.
Un malalt del grup A− necessita sang per a una transfusió.
a) A l’hospital s’hi presenten 10 voluntaris aleatoris. Calcula la probabilitat que almenys un dels donants sigui com-
patible amb la del malalt.
b) I si s’hi presenten 50 voluntaris?
La probabilitat que un donant triat a l’atzar, entre tots els possibles donants, sigui compatible per donar sang al
malalt amb grup A- és P O    P  A   0,09  0,08  0,17 .
a) Si es presenten 10 voluntaris (triats a l’atzar), sigui la variable aleatòria X: “nombre de persones, entre les 10,
que poden donar sang al malalt”. La variable és X ~ Bin  n  10; p  0,17 , per tant:
P  X  1  1 P  X  0  1 0,1552  0,8448
On P  X  0  0,8310  0,1552
b) En el cas de que es presentin 50 voluntaris (a l’atzar), es considera la variable Y: “nombre de persones, de les
50, que poden donar sang al malalt”. La variable Y ~ Bin  n  50; p  0,17 .
Per calcular la probabilitat P Y  1 es pot procedir de dues maneres:
1) Directament amb la binomial:
P Y  1  1 P Y  0  1 0,00005993  0,99994007
On P Y  0  0,8350  0,00005993
2) Aproximant per una normal T ~ N   50  0,17  8,5;2  50  0,17  0,83  7,055 
 0,5  8,5 
P Y  1  P T  0,5   P  Z    P  Z  3,01   3,01  0,9987
 7,055 

85. En una població el nivell de colesterol total a la sang segueix una distribució normal de mitjana
µ = 180 mg/dL i variància 2 225 . Es considera que valors del nivell de colesterol superiors a 200 mg/dL
són perjudicials per a la salut i que han de corregir-se mitjançant un tractament.
a) Triades 200 persones a l’atzar, quin és el nombre esperat que necessitaran el tractament?
b) Triada una persona a l’atzar, quina és la probabilitat que el seu nivell de colesterol sigui inferior a 170 mg/dL, si
se sap que no necessita tractament?
c) Si la variància es manté en el seu valor actual, calcula quin valor mitjà ha de tenir el nivell de colesterol perquè
només el 5 % de la població hagi de seguir tractament mèdic.
Sigui la variable X: “nivell de colesterol a la sang”, la distribució de la qual és N   180;2  225 .
a) La probabilitat que una persona triada a l’atzar en aquesta població hagi de fer tractament és:
 200  180 
P  X  200   P  Z    P  Z  1,33   1   1,33   1 0,9082  0,0918
 225 
Es considera la variable Y: “nombre de persones, de les 200, que han d’iniciar tractament”, que té una distri-
bució Bin  n  200; p  0,0918 . Aleshores:
El nombre esperat de les 200 persones que han de fer tractament és E Y   200  0,0918  18,36
Aproximadament 18 persones han de fer tractament mèdic.

P(X  170) 0,2514
b) P(X  170 | X  200)    0,2768
P(X  200) 0,9082
 170  180 
P(X  170)  P  Z    P(Z  0,67)  1  (0,67)  0,2514
 15 
c) Si la variància continua sent 2  225 ; i el límit per iniciar tractament és de 200 mg/dL, el nivell mitjà de coles-
terol µ de la població hauria de ser:
 200     200    200  

P Z    0,05  P  Z    0,95   1,645    175,325 mg/dL
 225   225  225
86. En una central de producció lletera se sospita que la màquina envasadora de les ampolles d’1,2 L s’ha des-
configurat i, per aquest motiu, es porta a terme un control de qualitat en el qual es comprova que la quan-
titat mitjana de les ampolles analitzades és de 1180 mL, amb una desviació típica de 8 mL.
Les especificacions de qualitat assenyalen que només seran admeses per a la venda ampolles que con-
tinguin entre 1185 mL i 1215 mL.
a) Calcula el percentatge d’ampolles no admissibles que està produint la màquina envasadora.
b) Si la màquina envasadora s’ajusta a una mesura de 1200 mL i es manté la desviació típica en 8 mL, quin és el
percentatge d’ampolles a punt per a la distribució?
c) Si la mitjana s’ajusta a 1200 mL, quina hauria de ser la desvi-ació típica perquè el 98 % de les ampolles fos
admissible?
La variable aleatòria X: “volum d’ompliment de les ampolles de 1,2 litres” té una distribució de N   1180;  8 .
a) La probabilitat que una ampolla triada a l’atzar sigui admissible és:
 1185  1180 1215  1180 

P 1185  X  1215   P  Z   P  0,63  Z  4,38  
 8 8 
   4,38     0,63   1  0,7357  0,2643
De manera que la probabilitat que una ampolla triada a l’atzar no sigui admissible és 0,7357. És a dir, el
73,57 % de les ampolles no és admissible i, consegüentment, es confirma la sospita que la màquina
envasadora s’ha desconfigurat.

b) Ara, la distribució de X és N   1200;  8 , de manera que la probabilitat que una ampolla triada a l’atzar
sigui admissible és:
 1185  1200 1215  1200 

P 1185  X  1215   P  Z   P  1,88  Z  1,88  
 8 8 
 2 1,88   1  2  0,9699  1  0,9399
I, consegüentment, el 94 % de les ampolles és admissible per a ser distribuïdes.
c) En aquest cas, la distribució de X és N   1200;  , amb  desconeguda, i perquè una ampolla triada a
l’atzar sigui admissible amb probabilitat 0,98 ha de ser:
 1185  1200 1215  1200   15 15   15 

P 1185  X  1215   P  Z   P Z   2    1  0,98
        
 15  1,98 15
Per tant      0,99   2,33    6,44
  2 
És a dir, un cop reconfigurada la màquina d’envasar, per incrementar el percentatge d’ampolles amb nivell ad-
missible s’ha de reduir la variabilitat del procés d’embotellament.

ENTORN MATEMÀTIC
Contracto l’assegurança?
La companyia d’assegurances Mondosegu està portant a terme una agressiva campanya de publicitat en els
mitjans de comunicació amb la finalitat de captar clients per a les seves pòlisses d’assegurances de vida.
El pare de l’Andreu, estudiant de 1r de batxillerat, ha comentat a casa que s’està plantejant la possibilitat de
contractar una d’aquestes pòlisses i està preocupat perquè no l’enganyin amb la quota de 250 € que ha de pa-
gar. L’Andreu, que acaba d’estudiar els temes referents a l’estadística i la probabilitat, es decideix a investigar
quin pot ser el cost per a la companyia d’una pòlissa de les que anuncia en la seva publicitat.
Aquest tipus de pòlisses només produeixen despeses (significatives) quan la companyia ha de pagar una in-
demnització. Per informació històrica se sap que a Mondosegu:
· 1 de cada 10 000 pòlisses dona lloc a una indemnització de 250 000 €.
· 1 de cada 5000 pòlisses dona lloc a una indemnització de 150 000 €.
· 1 de cada 100 pòlisses dona lloc a una indemnització de 5000 €.
a) Quin és el cost esperat de la pòlissa?
b) El que demana la companyia, és adequat des del punt de vista empresarial?
(adaptat de “El hombre anumérico”, John Allen Paulos)
S’entén que la proporció restant, fins arribar al 100% no implica indemnització, o que aquesta indemnització no és
rellevant, o que s’ha comptabilitzat de manera genèrica en les anteriors que s’ofereixen a l’enunciat.
Recollim la informació a la taula següent:
250 150 50 25
xj 5000 0
000 000 000 000
pj 0,0001 0,0002 0,001 0,002 0,01 0,9867
xjpj 25 30 50 50 50 0 205
En aquestes condicions, la despesa mitjana esperada per pòlissa subscrita és E[ X ]  205 .
Cada pòlissa suposa una despesa esperada de 205 € per a la companyia, per tant, la quota
250
suposa  100  121,951 % dels costos esperats, és a dir, un benefici esperat de prop d’un 22 %.
205

Reconeixement fotogràfic
L’Anna i en Joan queden per veure les fotografies del reportatge de plantes que van fer en la seva última sortida
extraescolar. En primer lloc, veuen les 30 fotos que va fer l’Anna i una estona més tard, quan estan mirant les
que va fer en Joan, l’Anna comenta:
– Aquesta és igual que la que vaig fer jo.
– No, no és igual, només semblant. –Afirma en Joan.
– És idèntica, tu no recordes la meva. –Sentencia l’Anna.
La discussió segueix i l’Anna pregunta:
–Quantes fotos de les meves podries recordar?
Així que es proposen fer l’experiència amb alguns amics:
1r. Els mostren 15 imatges no habituals en les quals no hi apareixen persones durant un temps màxim de 5 se-
gons cada una.
2n. Mesclen a l’atzar les 15 imatges “antigues” amb 15 de “noves” i les mostren als amics. Cada un ha d’anotar,
sense comentar-ho amb els altres, si la fotografia és antiga o nova.
Quantes fotografies va encertar cada participant? El nombre d’encerts es deu a l’atzar? Realment tenen una bo-
na memòria gràfica? Com es podria saber?
Repeteix amb els teus amics l’experiment de l’Anna i en Joan i intenta respondre a les preguntes anteriors. Tin-
gues en compte que si algú va respondre a l’atzar, l’experiment es pot comparar amb el del llançament d’una
moneda: cara (encertar), creu (fallar) i per tant tindríem una variant binomial Bin(n = 30, p = 0,5). En aquest cas,
si per exemple un amic va encertar 25 imatges, podria haver contestat a l’atzar? Quantes imatges hauria d’en-
certar per estar segurs que no ha contestat a l’atzar?
(adaptat de “El hombre anumérico”, John Allen Paulos)
Si l’amic va contestar a l’atzar, el nombre de fotografies que encerta (X), té una distribució binomial de paràmetres:
n30 i p0,5, de manera que la probabilitat que encerti 25 fotografies és:
 30 
P ( X  25)     0,530  0,00013
 25 
Una probabilitat realment molt petita.
És més, la probabilitat que, havent contestat a l’atzar, encerti 20 fotografies o més també és molt petita, ja que
P( X  20)  0,04937
És a dir, la probabilitat d’encertar 20 fotografies o més és més petita que 0,05. Per tant, l’amic no ha contestat a l’atzar.
El nombre d’encerts esperat contestant a l’atzar és E[ X ]  np  30  0,5  15 , però, com hem vist abans, la probabilitat
d’encertar-ne moltes més contestant a l’atzar es redueix dràsticament.

AUTOAVALUACIÓ
1. Si X és una variable aleatòria de mitjana 15 i variància 3,75 amb una distribució Bin  n, p  , calcula els valors
de n i p.
La mitjana i la variància de la distribució binominal són, respectivament, E  X   15 i Var  X   3,75 .
Aleshores, es planteja el sistema d’equacions:
 n  p  15
  15 1  p   3,75  p  0,75
 n p  1  p   3,75
De la primera equació tenim que n  0,75  15  n  20 .
2. En una comunitat de veïns, el 60 % de les vegades que un veí arriba al seu portal no troba l’ascensor a la
planta baixa. Si es trien 7 veïns a l’atzar, calcula la probabilitat que:
a) Exactament 2 trobin l’ascensor a la planta baixa.
b) Almenys 3 trobin l’ascensor a la planta baixa.
Sigui la variable aleatòria X: “nombre de veïns, dels 7 escollits, que troba a l’ascensor a la planta baixa”. La distri-
( )
bució de X és Bin n = 7; p = 0,4 . Les probabilitats es poden calcular o buscar directament a la taula de la binomial.
a) La probabilitat que exactament 2 veïns trobin a l’ascensor és:
 7
P  X  2    0,42 0,65  0,2613
 2
b) La probabilitat que almenys 3 trobin l’ascensor és:
P  X  3  1 P  X  3  1 P  X  0  P  X  1  P  X  2  1 0,0280  0,1306  0,2613  0,5801
On P  X  2 s’ha calculat a l’apartat a i P  X  0 , P  X  1 venen donats per:
 7
P  X  0  0,67  0,0280 , P  X  1    0,40,66  0,1306
 1
3. Una variable aleatòria X pren els valors −2, −1, 1, 3 i 5 amb probabilitats respectives 0,15, 0,25, 0,2, 0,3 i 0,1.
a) Representa gràficament la distribució de probabilitat.
b) Calcula l’esperança i la variància de X.
c) Troba P(1  X  4) .
a) El diagrama de barres que representa la funció de massa de probabilitat és:
Funció de la massa de probabilitat

b) L’esperança de X és E  X 2  0,151 0,25 1 0,2 3 0,3 5 0,1 1,05.
Per obtenir la variància s’ha de calcular abans:
E  X 2   2  0,15  1  0,2512  0,232  0,352  0,1  6,25

2 2
La variància és Var X  E  X 2  E  X   6,25 –1,1025 5,1475

2
c) P(1  X  4)  P(X  1)  P(X  1)  P(X  3)  0,25  0,2  0,3  0,75
4. Sigui X una variable aleatòria amb funció de densitat:
f  x  
k x  1 si 0  x  4
0 a la resta
a) Calcula el valor de k i dibuixa la gràfica de f(x).

b) Calcula la probabilitat que la variable prengui un valor inferior o igual a 2.
a) Per calcular k es procedeix imposant que l'àrea de la regió limitada per la gràfica de f(x), l'eix OX i les rectes
verticals x = 0 i x = 4 sigui 1. És a dir, que sigui 1 l'àrea del trapezi acolorit de la imatge següent:
Àrea =
 k  5k   4 = 12 k
2
Com que l'àrea ha de ser igual a 1, tenim: 12k = 1.
1
Per tant, k = .
12
La gràfica de f(x) és:

b) El valor P (X < 2) s’obté calculant l'àrea de la regió limitada per gràfica de f(x), l'eix OX i les rectes verticals
x = 0 i x = 2. És a dir, l'àrea del trapezi acolorit en la imatge següent:
 1 3 
  ·2
Àrea =  12 12 

4 1 1
 . Per tant, P(x < 2) = .
2 12 3 3
5. La durada mitjana d’una determinada marca d’electrodomèstics és de 10 anys amb una desviació típica de
0,7 anys. Suposant que la durada segueix una distribució normal de mitjana, calcula la probabilitat que un
d’aquests electrodomèstics escollit a l’atzar duri:
a) Més de 9 anys.
b) Entre 9 i 11 anys.
La variable aleatòria X: “vida d’un electrodomèstic en anys” té una distribució normal N   10;  0,7 .
 9  10 
a) P  X  9   P  Z   P  Z  1,43   1,43  0,9236
 0,7 
 9  10 11 10 
b) P  9  X  11  P  Z  P  1,43  Z  1,43  2 1,43  1  2  0,9236  1  0,8472
 0,7 0,7 
6. Les qualificacions obtingudes pels estudiants per accedir a la facultat segueixen una distribució
N(  9,8;   1,5) . Si la nota de tall es va establir en 11,5, quin és el percentatge d’estudiants que no va po-
der accedir a la facultat aquell any?
La variable aleatòria X: “qualificacions dels estudiants” té una distribució N 9,8,  1,5 .
Si la nota de tall va ser de 11,5, aleshores la probabilitat que un estudiant sigui triat a l’atzar no hagi superat la nota
de tall és:
 11,5  9,8 
P  X  11,5   P  Z    P  Z  1,13   0,8708
 1,5 
És a dir, el 87,08 % dels estudiants no va superar la nota de tall establerta.
7. En una població, la mida dels bebès en néixer segueix una distribució N(, ) . El 5 % dels bebès mesura
més de 52 cm en néixer i el 80 % mesura menys de 48 cm.
a) Calcula la mitjana i la desviació típica.
b) Troba la probabilitat que la mida d’un nadó estigui compresa entre 49,5 cm i 51 cm.
La variable X: “mida dels bebès en néixer” té un distribució N ,  , amb tots dos paràmetres desconeguts.
a) Les condicions es plantegen en forma d’equacions, de la manera següent:

El 5 % dels bebès fa més de 52 cm en néixer, cosa que es tradueix de la manera següent:
 52     52    52  
P  X  52  0,05  P  Z    0,05  P  Z    0,95   1,645
      
El 80 % dels bebès fan menys de 48 cm en néixer, la qual cosa significa que:
 48    48  
P  X  48   0,8  P  Z    0,8   0,841
   
De manera que, per calcular els valors de μ i σ es resol el sistema d’equacions següent:
  1,645  52

  0,841  48
La solució del qual és   43,82 i   4,975 .
b) Per calcular aquesta probabilitat, n’hi ha prou amb considerar que X ~ N   43,82;  4,975 . Aleshores:
 49,5  43,82 51  43,82 

P  49,5  X  51  P  Z  P 1,14  Z  1,44  
 4,975 4,975 
  1,44    1,14   0,9251  0,8729  0,0522
8. En les últimes eleccions al consell escolar del centre, en Joan va obtenir el 35 % dels vots. Si es trien 50
alumnes a l’atzar, calcula la probabilitat que hagin votat en Joan:
a) Més de 20 alumnes dels 50.
b) Entre 25 i 40 alumnes.
La variable X: “nombre d’alumnes, dels 50, que ha votat en Joan” té distribució Bin  n  50; p  0,35 .
L’esperança i la variància de X són E  X   50  0,35  17,5 i Var  X  50  0,35  0,65  11,375 .
Per fer els càlculs es donen les condicions perquè es pugui aproximar la distribució de X per la d’una variable Y
amb distribució N   17,5;2  11,375 . Aleshores:
 20,5  17,5 
a) P  X  20   P Y  20,5  P  Z    P  Z  0,89  1   0,89  1 0,8133  0,1867
 11,375 
 24,5  17,5 40,5  17,5 

b) P  25  X  40   P  24,5  Y  40,5  P  Z   P  2,08  Z  6,82 
 11,375 11,375 
   6,82    2,08  1 0,9812  0,0188

1. La variable aleatòria discreta X pren els valors 2, 4, 6 i 8 amb probabilitats respectives c, c  1, c  2 i c  3 .

El valor de c és:
A. 4 B. 1,25 C. −1,25 D. No existeix valor per a c.
Si totes les probabilitats són més grans o iguals a zero han de sumar 1, però si c fos qualsevol positiu o zero, la
suma seria més gran que 1. Per tant, la resposta correcta és la D.
2. La variable aleatòria Y té una distribució de probabilitat Bin  n, p  0,4 i se sap que la seva variància és
2,88. Aleshores:
A. n = 10 B. n = 12 C. n = 28 D. n = 29
2,88
La variància és 2  Var  X   n  p  q . Per tant, 2,88  n  0,4  1  0,4   n   12
0,24
Així doncs, la resposta correcta és la B.
3. Si X segueix una distribució N ,  , en   ,    es troba aproximadament:
A. El 90 % dels valors de X.
B. El 65 % dels valors de X.
C. El 68 % dels valors de X.
D. Depèn dels valors de  .
Si X és una variable aleatòria que té distribució N ,  , la probabilitat de l’interval   k ,   k  amb

k  0 només depèn del valor de k.
Com que k  1 aleshores P     X     2 1  1  06826 . Per tant, la resposta correcta és la C.
4. La distribució normal amb mitjana   10 i variància 2  8 aproxima a la distribució binomial de paràme-

tres:
A. n  30, p  0,2 B. n  40, q  0,8 C. n  100, p  0,4 D. n  50, q  0,8 .
Solució: D.
5. El percentatge d’observacions que queda fora de l’interval (0,24) si una variable té una distribució normal
X  N(  12,   3) és aproximadament:
A. 25 % C. 0 %
B. 75 % D. 50 %
 0  12 24  12 
P  0  X  24   P  Z   P  4  Z  4   P  Z  4   P  Z  4   1 0  1
 3 3 
Per tant, la resposta correcta és la C.

6. Sigui X  Bin  n, p  i Y  N(, ) amb μ  np i 2  np(1 p) . Es consideren les afirmacions següents:
1. “ La distribució de la variable Y aproxima la de la variable X”.

2. “ En la distribució de X, n és gran i p no és gaire petit”.
A. 1  2
B. 1  2 però 2 
 1
C. 2  1 però 1 
 2
D. 1 i 2 són independents.
Segons la teoria que s’ha vist en el tema, la resposta correcta és la A.
Assenyala la dada no necessària per contestar
7. Per calcular la probabilitat P(1  X  2) sent X  N(, ) és necessari conèixer:
A. Només μ. C. Tant μ com  .

B. Només  . D. No fa falta conèixer cap dada.
Per transformar una variable X  N(,) en una variable aleatòria amb distribució estàndard Z  N(0,1) es tipifica.
Per fer-ho, es fa servir l’expressió següent:
X 
Z

Per tant, la resposta correcta és la C.

Solucionari Cruilla Mat Ccss Bat 1 2a Part PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Solucionari Cruilla Mat Ccss Bat 1 2a Part PDF

Uploaded by

Copyright:

Available Formats

Matemàtiques

aplicades a les Ciències Socials

a) a1  2; a2  2,9; a3  2,99; a4  2,999...

51 501 5001 50001

231 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

Busquem un lloc n tal que an  10 000 .

3n2  4n  560  10000  3n2  4n  10560  0

9 i 10. Exercicis resolts.

11. Calcula aquests límits:

232 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

12. Les successions an i bn tenen el mateix límit:

10n3  2n2  8n 10n3

13. Activitat interactiva.

14. Exercici resolt

15. Calcula els límits següents.

16. Calcula els límits següents.

233 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

234 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

17 i 18. Exercicis resolts

235 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

c) lim(x  1)x 2  (2  1)22  30  1

lim f (x)  lim  x 2  1  22  1  5 ; lim f (x)  lim  3x  1  3  2  1  5

21. Exercici resolt.

236 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

a) lim  2f  3g  (x)  2lim f (x)  3 lim g( x)  2  3   0  6

c) lim  fg  (x)  lim f (x) lim g(x)   3   0  0

d) lim  f  g  (x)  lim f (x)  lim g(x)   3   0  3

g lim g(x) 0

2 lim f ( x) 2 3 1 1

afirmacions següents són certes o falses.

b) És certa, perquè podem calcular, prèviament, lim f (x) :

237 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

6  1 000 000  5 0,9999

2,9999 239 990

3,0001 240 010

238 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

10 1, 437 811

100 1,494 875

3  10 000    10 000   1

10000 1,499 950

3  1 000 000    1 000 000   1

1 000 000 1,499 999

26. Calcula, eliminant les indeterminacions.

27. Troba el valor dels límits següents.

239 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

28. Exercici interactiu.

29. Exercici resolt.

30. Identifica els punts de discontinuïtat de les funcions següents i classifica’ls.

La primera funció té una discontinuïtat de salt finit en x  2 i una discontinuïtat evitable en x  6.

És contínua aquesta funció a x = 1? I a x = 2?

La funció no es contínua en cap d’aquests valors perquè té una

240 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

a) D  f   ja que el denominador no s’anul·la per a cap valor de x perquè x 4  5x 2  6   x 2  2 x 2  3 .

b) La funció es contínua en tot el seu domini, és a dir, en tot .

33. Escriu una funció que no sigui contínua ni a x = 1 ni a x = 7.

34. En quins punts no són contínues aquestes funcions?

a) És contínua en tot perquè el denominador no s’anul·la per a cap valor de x.

No, perquè la imatge f(1) no està definida ja que s’anul·la x 2  8x  7 per a x  1.

36. Estudia la continuïtat d’aquestes funcions.

 3, 4 . La discontinuïtat en x 3 és evitable.

241 Matemàtiques aplicades a les Ciències Socials 1r Batxillerat

lim f (x)  lim( x3  a)  1 a lim f (x)  lim( x 2  a)  1 a f (1)  1 a

38. Exercici resolt.