T11 Paràmetres Mostrals 2 PDF

IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
Tema 11 : Paràmetres mostrals
1
2
11.1 Introducció
En l'Estadística es distingeixen dues parts perfectament diferenciades. Una d'elles es

coneix amb el nom d'Estadística Descriptiva i té com objectiu la recollida, organització i
anàlisi de dades; i obtenir a partir d'ells uns valors anomenats paràmetres, que els
identifiquen, i a més permeten fer comparacions amb altres conjunts de dades i establir
relacions entre ells.
Una altra part de l'Estadística anomenada estadística inferencial tracta d'elaborar

conclusions d'una població a partir de les dades recollides d'una part de la mateixa,
anomenada mostra. La representativitat de la mostra serà important per a la fiabilitat
de les conclusions. Les mostres preses en una població tenen una mitjana i una desviació
típica que estan relacionades amb la mitjana i desviació típica de tota la població; i
aquesta relació està basada en la distribució normal estudiada en el curs passat. Es deu
al matemàtic francès Pierre Simon Laplace (1749 -1827) el descobriment de l'important
paper que juga la distribució normal en la teoria de la probabilitat, i la primera
demostració d'un teorema fonamental en estadística: el teorema central del límit.
Les aplicacions de l'estadística inferencial abasten camps molt diversos. En Medicina

s'empren per investigar els resultats de tractaments amb nous fàrmacs. En Sociologia es
fan servir per fer enquestes d'opinió als contribuents. En Indústria, per millorar la
qualitat dels productes amb els mètodes de control de qualitat i conèixer el grau
d'acceptació dels consumidors.
Aquesta unitat didàctica té com a objectius els següents:
1. Estudiar els conceptes bàsics de l'Estadística inferencial.

2. Establir relacions entre els paràmetres de la població i els obtinguts de la mostra.
3
11.2 Variables aleatòries
Una variable els valors dels quals es determinen sobre els resultats d'un experiment
aleatori s'anomena una variable aleatòria. Per exemple, en un col·legi de 300 alumnes,
vam triar un alumne a l'atzar (experiment aleatori), anotem la seva edat (variable
aleatòria discreta), mesurem la seva alçada (variable aleatòria contínua), vam registrar
el nombre de germans que té (variable aleatòria discreta) i el seu pes (variable aleatòria
contínua).
Els valors d'una variable aleatòria discreta són nombres enters positius, els valors d'una
variable aleatòria contínua són nombres reals compresos en un interval real. Les
variables aleatòries es simbolitzen per una lletra majúscula com X o Y o Z.
11.2.1. Variables aleatòries discretes. Distribució binomial
En les variables aleatòries discretes a cada valor x de la variable X se li associa la

probabilitat que x passi, P [X = x]; aquesta associació es diu llei de probabilitat. Una
distribució de probabilitat d'una variable aleatòria discreta és semblant a una distribució
de freqüències d'una variable estadística, només que en compte de freqüències relatives
tenim probabilitats.
El curs passat vam estudiar les variables aleatòries discretes que segueixen la distribució
binomial. Suposem un experiment aleatori que es pugui repetir indefinidament i que en
cada prova només tingui dos resultats: Èxit (E) i fracàs (F). Experiments d'aquest tipus
són: llençar una moneda, on únicament surt cara o creu; llençar un dau i observar si surt
5 o no, etc.
Suposarem que p és la probabilitat d'èxit en cada prova i, per tant, 1-p serà la
probabilitat de fracàs en cada prova. Si l'experiment es repeteix n vegades, a l'anotar els
resultats, obtenim una paraula de longitud n formada per les lletres E i F
E E F F F E E F E F F F E ...
Quantes paraules d'aquest tipus contenen x vegades la lletra E? Això és equivalent a dir:
si tenim n caixes, de quantes maneres diferents podem situar x lletres E, una per caixa?
O, de quantes maneres podem triar x caixes entre n donades? Aquesta darrera pregunta
té una resposta coneguda, i és el nombre combinatori Cn,x o n .
x ()
Si ara ens preguntem quina és la probabilitat d'obtenir x èxits en n proves? O, quina és la
probabilitat del succés
Com que les proves són independents, la probabilitat no varia d'una a una altra prova,
llavors:
4
Com que hi ha paraules de longitud n amb x lletres E i cada paraula té una probabilitat
de px · (1-p)n-x, definim una funció de probabilitat per a la variable aleatòria X, que
compta el nombre d'èxits en n proves, així:
Aquesta funció rep el nom de funció de probabilitat d'una distribució binomial de n

proves amb probabilitat d'èxit p, simbòlicament B(n, p).
A és a més, recordem que la mitjana i la desviació típica d'aquest tipus de distribució

són:
μ = n·p ; σ = √n · p · q
On q = 1 - p
Exemple
1. En una ciutat, el 40% de l'alumnat que promocionen a batxillerat té suspesa alguna

assignatura de 4t d'ESO. Es trien 6 alumnes de 1r de Batxillerat a l'atzar, quina és la
probabilitat que la meitat dels alumnes seleccionats tingui alguna assignatura suspesa
d'ESO?
Solució:
Es tracta de distribució binomial perquè:
1r) en cada prova hi ha dos únics resultats: tenir alguna assignatura suspesa o no
2n) el resultat de cada prova és independent de l'anterior
3r) la probabilitat de trobar un alumne amb algun suspens és constant p = 0,4.
És, per tant, X = “Nombre d'alumnes de batxillerat amb alguna assignatura de 4 t d'ESO
suspesa” és una distribució binomial de paràmetres n = 6 i p = 0,4,
X ~ B (6; 0,4)
La meitat de 6 és 3, la probabilitat que ens demanem és:
5
Exercicis
1. La probabilitat que un jugador de bàsquet faci cistella en els tirs lliures és 1/4. Si
llança 6 tirs lliures, quina és la probabilitat que faci almenys 3 cistelles?
2. La probabilitat que un míssil arribi al seu objectiu és 0,8. Si es llancen 4 míssils, quina
és la probabilitat que com a màxim dos d'ells donen en el blanc?
3. Cinc persones de 30 anys subscriuen una pòlissa de vida amb una companyia
d'assegurances. Segons les previsions d'aquesta companyia, la probabilitat que una
persona sana de 30 anys estigui viva dintre de 35 anys és 0,88. Calculeu la probabilitat
que dins de 35 anys visquin:
a) les 5 persones que han subscrit la pòlissa

b) només 3 d'aquestes persones
c) almenys 2 d'aquestes persones.
Com pots observar-hi, el càlcul de probabilitats es pot complicar com posa de manifest
el següent exemple:
Una màquina fabrica pern. El 5 % són defectuosos. S'empaqueten en caixes de 400.

Calcula la probabilitat que en una caixa n'hi hagi més de 30 defectuosos.
En aquest exemple el càlcul de la probabilitat seria molt tediós i quasi impossible i, si en

lloc de 400 unitats per caixa, empaquetem 2000, 3000, 4000 perns en cada caixa...el
problema es torna impossible. Per tant, hi necessitem alguna tècnica per resoldre aquest
tipus de problema.
La solució passa per convertir la variable discreta amb distribució binomial en una
variable contínua amb distribució normal. Però això ho veurem més endavant. Ara
recordarem la distribució normal.
11.2.2. Variable aleatòria contínua. La distribució normal.
Les variables aleatòries contínues es caracteritzen per que la probabilitat atribuïda a

cada valor x de la variable aleatòria X és zero. Com s'atribueixen llavors probabilitats?
Doncs, en comptes d'assignar probabilitats a cada valor determinat de X, es fa a
intervals de valors de la variable, així:
Com pots observar, es tracta de calcular una integral definida. Si l'extrem superior
d'integració (b) fos igual a l'extrem inferior (a), la probabilitat seria 0. Per tant, totes
les probabilitats del tipus P[X=k] = 0 per a variables amb distribució contínua.
6
Com comentaven abans, d'aquesta manera, calcular probabilitats equival a calcular

àrees com la de la regió ombrejada de la figura.
Una variable aleatòria contínua, X, es diu que està normalment distribuïda o que segueix
una distribució normal de mitjana μ i desviació típica σ, i es simbolitza per N(μ, σ), si la
funció f(x) de l'integral és:
Nota: No et preocupis que no farem integrals amb aquesta funció.
Si X està normalment distribuïda, la probabilitat que X prengui un valor menor o igual

que x, P [X ≤ x], és l'àrea de la regió ombrejada a la figura, sabent que l'àrea sota tota la
corba és 1.
El càlcul d'aquesta àrea es fa mitjançant una integral definida, però aquestes integrals
estan tabulades per a N(0,1). És a dir, quan μ = 0, σ = 1 i Z ~ N (0, 1)
Nota: La lletra Z està reservada per distribucions N(0,1)
Alerta! La següent taula ens donarà únicament les probabilitats de la següent forma:
P(Z ≤ k) quan k és major o igual que 0 (k ≥ 0)
Si k ≥ 0 i Z ~ N (0, 1), podem calcular P(Z ≤ k) amb la taula N(0,1) i el designarem per
Φ(k). És a dir que si escrivim Φ(k) és que podem fer el càlcul directament amb la taula
N(0,1). Φ(k) = P(Z ≤ k)
En els exemples següents recordem alguns casos que es poden presentar en el maneig de
les taules de la N (0,1),que apareixen a continuació.
7
8
Exemples
1. En una distribució normal N (0,1), trobar:
a) P [Z ≤ 1,58]; b) P [Z ≥ 0,46]; c) P [Z ≤ - 1,79]; d) P [Z ≥ - 1,79];

e) P [- 0,89 ≤ Z ≤ 1,98].
Solució:
a) P [Z ≤ 1,58] = 0,9429.
El nombre 0,9429 apareix a la taula en la intersecció de la

fila que comença per 1,5 i la columna que encapçala 0,08; i
significa que el 94,29% dels valors de Z estan compresos
entre -∞ i 1,58.
b) P [Z ≥ 0,46] = 1- P [Z ≤ 0,46] = 1- 0,6772 = 0,3228.
En la gràfica veiem que la probabilitat buscada correspon a

l'àrea ombrejada i és igual a l'àrea total, 1, menys l'àrea de P
[Z ≤ 0,46].
c) P [Z ≤ - 1,79] = P [Z ≥ 1,79] = 1 - P [Z ≤ 1,79] = 1- 0,9633 =

0,0367.
En la gràfica observem que per simetria l'àrea

P [Z ≤ - 1,79] és Igual que P [Z ≥ 1,79].
d) P [Z ≥ - 1,79] = P [Z ≤ 1,79] = 0,9633.
Per simetria l'àrea de P [Z ≥-1,79] és igual que P [Z ≤ 1,79].
e) P [- 0,89 ≤ Z ≤ 1,98] = P [Z ≤ 1,98] - P [Z ≤ - 0,89] = P [Z ≤ 1,98] - (1 - P [Z ≤ 0,89]) =

= P [Z ≤ 1,98] + P [Z ≤ 0,89] – 1 = 0,9761 + 0,8133 - 1 = 0,7894.
9
2.També ens podem plantejar els exercicis de forma inversa, és a dir, ens donem la
probabilitat i nosaltres hem de trobar l’extrem o extrems de l’interval.
Calcula el valor de k (exacta o aproximadament) en cada un dels casos següents:
a) P [Z ≤ k] = 0,9761 → k = 1,98
b) P [Z ≤ k] = 0,12
En aquest cas, el valor 0,12 no està a la taula N(0,1). Per tant, el valor de k és negatiu.
P [Z ≤ k] = P [Z ≥ -k] = 1 - P [Z ≤ -k] = 1 – 0,12 = 0,88 → -k ≈ 1,175 → k ≈ - 1,175
En aquest cas Φ(1,17) = P(Z ≤ 1,17) = 0,8790 i Φ(1,18) = P(Z ≤ 1,18) = 0,8810 tenen
el mateix error (per defecte i excés) respecte 0,88. Per això agafem el terme mig entre
1,17 i 1,18 → 1,175
c) P [Z ≥ k] = 0,12 → P [Z ≤ k] = 0,88 → Φ(k) = 0,88 → k ≈ 1,175 per les mateixes raons

que hem explicat a l’apartat anterior.
d) P [Z ≥ k] = 0,88 → k ha de ser un valor negatiu → P [Z ≤ -k] = 0,88 (-k serà un valor

positiu) → Φ(-k) = 0,88 → - k ≈ 1,175 → k ≈ -1,175
3. En una distribució N (0,1) calcula el valor de c que compleix la igualtat
P [- c ≤ Z ≤ c] = P [| Z | ≤ c] = 0,95.
Nota: | Z | és el valor absolut de Z.
Solució:
Segons la figura, l'àrea ombrejada a la dreta de c és
Després de la igualtat P [Z ≤ c] = 0,95 + 0,025 = 0,975

obtenim a la taula que el valor de c que correspon a 0,975
és 1,96 és a dir, c = 1,96.
10
Exercicis
4. Troba les probabilitats següents en una distribució N(0, 1):
a) P[z > 2,8] b) P[z ≤ –1,8] c) P[z > –1,8]
d) P[1,62 ≤ z < 2,3] e) P[1 ≤ z ≤ 2] f ) P[–0,61 ≤ z ≤ 1,4]
g) P[–1 ≤ z ≤ 2] h) P[–2,3 < z < –1,7] i ) P[–2 ≤ z ≤ –1]
5. Calcula el valor de k (exacta o aproximadament) en cada un dels casos següents en

una distribució N(0, 1):
a) P[z ≤ k] = 0,5 b) P[z ≤ k] = 0,8729 c) P[z ≤ k] = 0,9
d) P[z ≤ k] = 0,33 e) P[z ≤ k] = 0,2 f ) P[z > k] = 0,12
g) P[z ≥ k] = 0,9971 h) P[z ≥ k] = 0,6
Per a calcular probabilitats P [X≤ x] amb variables contínues X~ N (μ, σ) amb distribució
normal amb mitjana diferent de zero i desviació típica diferent d'1, hem de transformar
la variable X en una altra que sigui N(0,1). En realitat, consisteix a canviar la variable X
per Z, on . Aquesta transformació es diu tipificació de la variable, i es
compleix que:
Exemples
1. Si X és una variable aleatòria que segueix una distribució N (60,12), calcula P [X <65].
Solució:
2. Sabent que X és una variable aleatòria que segueix una distribució N (10,3) troba el
valor de x en P [X <x] = 0,9761.
Solució: Com que
calculem el valor de z amb ajuda de les taules i resulta que a 0,9761 li correspon 1,98
Aleshores, z = 1,98. Com que (Hem de desfer el canvi de variable),
aïllant x obtenim
11
3. Les estatures de 500 estudiants d'un col·legi es distribueixen normalment amb

mitjana 148 cm i desviació típica 12 cm. Calcular quants estudiants no arriben als 160
cm i quants n'hi ha amb una estatura compresa entre els 140 i els 160 cm.
Solució:
Les estatures (X) es distribueixen segons una X ~ N (148, 12). En primer lloc, ens
demanen , és a dir, el
84,13% dels estudiants no arriba als 160 cm. Com que el 84,13% de 500 és 0,8413 · 500 =
420,65, truncant la part decimal, podem dir que 420 estudiants no arriben als 160 cm
d'alçada.
En segon lloc, ens demanem
És a dir, el 58,67% té una estatura en l'interval [140, 160] i com que 0,5867 · 500 =
293,35 hi ha 293 estudiants amb una estatura compresa entre els 140 i els 160 cm.
Exercicis
6. La durada en anys de la placa base dels ordinadors d'una determinada marca segueix
una distribució normal de paràmetres μ = 10 anys i σ = 2 anys. Calcular la probabilitat
que la placa base duri més de 12 anys.
7. En una N (0,1) calcular els valors de z corresponents a:
a) P [| Z | ≤ z] = 0,9
b) P [| Z | ≤ z] = 0,99
8. El 20% de les persones que concorren a una oposició poden aconseguir un lloc de
treball en l'Administració. Les notes mitjanes finals dels exàmens de l'oposició es
distribueixen segons una N (5,8 ; 2). Quina és la nota mitjana mínima que s'ha d'obtenir
per aconseguir un lloc de treball?
9. Si la pressió sanguínia sistòlica dels individus d'una població A segueix una distribució
normal N (127, 24), calcula:
a) Quin percentatge d'individus d'A supera el valor 179?

b) Quin percentatge d'individus d'A està per sota del valor 71,2?
12
10. La durada de cert tipus de motor és una variable normal, amb mitjana de 10 anys i
desviació típica de dos anys. El fabricant garanteix el bon funcionament dels motors per
un període de 13 anys. Quin percentatge de motors s'espera que compleixi la garantia?
11. En una distribució N(6; 0,9), calcula k perquè es donin les igualtats següents:
a) P[x ≤ k] = 0,9772 b) P[x ≤ k] = 0,8 c) P[x ≤ k] = 0,3 d) P[x ≥ k] = 0,6331
11.3 Intervals característics d’una distribució normal
Els intervals característics d'una distribució normal són intervals els extrems dels quals
equidisten de la mitjana i la probabilitat és una quantitat determinada, generalment
0,90; 0,95 i 0,99.
Si X té una distribució de mitjana , s'anomena interval característic corresponent a una

probabilitat p, a un interval centrat en la mitjana:
( k , + k )
tal que:
P[ k < X < + k] = p
Interval característic en distribucions N(0,1)
En una distribució normal N (0,1), com que la mitjana és zero, l’interval característic
corresponent a una probabilitat p quedarà de la forma (- k , k ) tal que:
P[ - k < Z < k ] = p
k rep el nom de valor crític i la seva notació és z →k= z

a/2 a/2
Habitualment, p es designa com a 1 -  → p = 1 - 
p = 1- 
-k k = za/2
/2 0 /2
Per tant, observem que la probabilitat dins de l’interval característic és de 1 -  i fora

de l’interval característic, la probabilitat serà de . Així a cada cua que hi queda als
costats de l’interval característic la probabilitat serà de /2.
13
Veiem un exemple de com calcular un interval característic.
Exemple:
1. Trobeu l’interval característic d’una distribució normal N(0,1) corresponent a la

probabilitat p = 1 -  = 0,9
Si dins de l’interval hi ha un àrea de 0,9, fora d’aquest hi haurà 0,1. Ja que l’interval
és simètric, l’àrea de cada una de les dues cues és de 0,05. Per tant:
P[z > z ] = 0,05 → P[z ≤ z ] = 0,95

a/2 a/2
A la taula N(0,1) trobem Φ(1,64) = 0,9495 i Φ(1,65) = 0,9505
Per tant, assignarem a z el valor mitjà dels valors 1,64 i 1,65 → z = 1,645
a/2 a/2
D’aquesta manera, l’interval característic serà: (-1,645 ; 1,645)
Principals valors crítics

1- 2 Z2
0,900 0,050 1,645
0,950 0,025 1,960
0,990 0,005 2,575
Interval característic en distribucions N (,)
En una distribució normal N (,) l'interval característic corresponent a una probabilitat

p = 1-  és:
( za/2 · za/2 · 
14
Exemples
1. En una distribució N(173, 6), troba els intervals característics per al 90%, el 95% i el
99%.
Solució:
Recordem que l’interval característic és: ( z a/2 · z a/2 · 
Per al 90%: z = 1,645 → (173 – 1,645 · 6 ; 173 + 1,645 · 6) = (163,13 ; 182,87)

a/2
Per al 95%: z = 1,96 → (173 – 1,96 · 6 ; 173 + 1,96 · 6) = (161,24 ; 184,76)
a/2
Per al 99%: z = 2,575 → (173 – 2,575 · 6 ; 173 + 2,575 · 6) = (157,55 ; 188,45)
a/2
2. En una distribució N(18, 4), troba els intervals característics per al 95% i el 99,8%.
Solució:
Per al 95%: z = 1,96 → (18 – 1,96 · 4 ; 18 + 1,96 · 4) = (10,16 ; 25,84)

a/2
Per al 99,8%: 1 –  = 0,998 →  = 0,002 → /2 = 0,001 → 0,998 + 0,001 = 0,999 → z/2
= 3,08
Aleshores, com que l’interval característic és ( z a/2 · z a/2 ·  →
(18 – 3,08 · 4 ; 18 + 3,08 · 4) = (5,68 ; 30,32)
Exercicis
12. En les distribucions normals els paràmetres de les quals es donen, troba l’interval
característic que en cada cas s’indica:
13. En una distribució N (10, 4), obtén un interval centrat en la mitjana, (μ – k, μ + k),
tal que P[μ – k < x < μ + k] = 0,90.
14. En una distribució normal de mitjana μ = 9,5 i variància 2 = 1,44, troba l’interval
característic per al 99%.
15
11.4 Distribució de mitjanes mostrals
Estem interessats, ara, en conèixer la mitjana de les despeses mensuals en alimentació

de les llars d'un barri d’Eivissa. Tenim, doncs, una població: les llars d'un barri particular,
i una variable aleatòria, X, que assigna a cada llar la quantitat de sous dedicada
mensualment a l'alimentació. Volem trobar μ, valor mitjà d'aquesta variable aleatòria.
Podem fer una estimació de μ a partir de la mitjana obtinguda d'una mostra aleatòria de
la població, x̄ . És evident que aquest valor x̄ pot variar si prenem una altra
mostra. Està clar que la mitjana x̄ , d'una mostra determinada, no correspon
exactament amb la mitjana μ de la població.
Hi ha alguna relació entre la mitjana de les mostres x̄ i la mitjana de la població μ? Sí

que existeix.
Si prenem una mostra de grandària n de la població i calculem la mitjana mostral, x¯1 ,

a continuació triem una altra mostra de la mateixa grandària n i calculem la seva
mitjana obtenim un altre nombre, x¯2 ; procedint de la mateixa manera fins triar k
mostres diferents de la mateixa grandària n, obtenim una sèrie de k mitjanes mostrals.
Considerant els valors de les mitjanes mostrals com una variable aleatòria que
simbolitzarem per X̄ , estudiarem aquesta variable i la seva relació amb la variable X
de les despeses mensuals en alimentació de la nostra població.
A aquesta nova variable aleatòria X̄ es diu variable de les mitjanes mostrals i la

distribució dels valors de X̄ sobre el conjunt de les mostres de grandària n es diu
distribució de les mitjanes mostrals. Aquesta variable X̄ té una mitjana μ x̄ i una
desviació típica que simbolitzem per σ x̄ . Quina relació hi ha entre μ x̄ i σ x̄ amb
μ i σ, mitjana i desviació típica de tota la població?
Es poden demostrar les afirmacions que segueixen:
1. Si la variable X segueix una distribució normal, N(μ, σ), llavors la variable aleatòria de
la mitjanes mostrals, X ̄ , segueix també una distribució normal N (μ, σ ). És a dir,
√n
σ
té la mateixa mitjana que X, μ x̄ = μ, i la seva desviació típica és menor, σ ̄x =
√n
2. Si la variable X segueix una distribució desconeguda o no és normal, i la grandària de
la mostra és n ≥ 30, llavors X ̄ segueix també una distribució normal N (μ, σ )
√n
A la demostració de la segona afirmació es fa servir l'anomenat Teorema Central del
Límit, un dels resultats més importants en estadística. Aquest teorema posa en relleu la
importància de la distribució normal, que apareix associada a qualsevol distribució, tant
si és normal com si no ho és, atès que la distribució de les mitjanes mostrals s'aproxima
sempre a una distribució normal.
16
Les dues afirmacions anteriors es poden resumir de la manera següent:
σ
Si X és N(μ, σ) → X̄ és N (μ, )
√n
σ
Si X no és normal o és desconeguda → X̄ és N (μ, ), quan n ≥ 30
√n
Què hi passa quan n <30? Quan les mostres són petites, les coses es compliquen una mica
més, no gaire, però no és un objectiu d'aquest curs.
Exemples
1. En un servei d'atenció al client, el temps d'espera fins a rebre atenció és una variable
aleatòria normal de mitjana 10 minuts i desviació típica 2 minuts. Es prenen mostres
aleatòries del temps d'espera dels clients que arriben un dia concret. Es demana:
a) Quina és la probabilitat que el temps mitjà d'espera d'una mostra de 25 clients no

superi els 9 minuts?
b) Quina és la distribució de la mitjana mostral, en prendre mostres aleatòries de 64

clients? Especificar els seus paràmetres.
Solució:
a) Les mostres de qualsevol grandària n, més o menys que 30, d'una població N (μ, σ) es
σ
distribueixen segons la normal N (μ, ). En aquest cas, n = 25 i X és una normal
√n
N(10,2); de manera que la distribució de X̄ de les mitjanes mostrals és una normal
2
N(10, ) o N (10, 2/5). En conseqüència, hem de calcular:
√25
b) Si n = 64 la variable aleatòria de les mitjanes mostrals X̄ es distribueix segons la

2
normal N (10, ) o N (10; 0,25), és a dir, amb μ = 10 i σ = 0,25.
√64
2. S'admet que el perímetre cranial d'una certa espècie animal segueix una distribució
normal amb σ = 12.8 cm. Es pren una mostra de 10 individus a l'atzar, quina és la
probabilitat que la mitjana de la mostra x̄ , difereixi de μ, mitjana poblacional, 4.5
cm?
17
Solució:
Com X (perímetre cranial d'una certa espècie animal ) es distribueix segons una normal
N(μ; 12.8), X̄ es distribueix segons la normal N (μ; 12.8 ), independentment de la
√10
mida de la mostra. Hem de calcular P [ I X̄ -μ I ] ≥ 4,5. Tipifiquem la variable i tenim:
3. S'ha registrat el pes dels nounats d'una maternitat durant un any i s'ha observat que es
distribueixen amb una mitjana μ = 3250 g i desviació típica σ = 250 g. Quina és la
probabilitat que la mitjana d'una mostra de 100 nadons sigui superior a 3300 g?
Solució:
Desconeixem la naturalesa de la distribució de la variable X, que ens dóna els pesos dels
nadons, però com la grandària de la mostra és n = 100, més gran que 30, llavors la
250
variable X̄ segueix una distribució normal N (3250, ) = N (3250, 25). Hem de
√100
calcular:
4. En un examen tipus test de 100 preguntes, qualificat a 1 punt per pregunta correcta,
les qualificacions es distribueixen amb una mitjana μ = 65 punts i desviació típica σ = 14
punts. Calcula la probabilitat que una mostra de 50 exàmens elegits a l'atzar tingui nota
mitjana superior a 70 punts.
Solució:
Desconeixem la naturalesa de la distribució de la variable X, que ens dóna les

qualificacions dels exàmens, però com que la grandària de la mostra és n = 50, més gran
14
que 30, llavors la variable segueix una distribució normal N (65; ) = N (65; 1.97).
√50
Hem de calcular:
18
Exercicis
15. Se suposa que la vida de les bombetes d'un determinat tipus segueix una distribució
normal de mitjana 1000 hores i desviació típica 60 hores. Es pren una mostra a l'atzar de
225 bombetes i es calcula la mitjana. Quina és la probabilitat que aquesta mitjana sigui
menor que 996 hores?
16. Les qualificacions de l'alumnat d'una prova d'accés a la universitat es distribueixen

amb mitjana μ = 5,6 i desviació típica σ = 2,8. Si es tria una mostra de 40 individus
presentats a la prova, quina és la probabilitat que la mitjana de la mostra sigui menor
que 5?
17. Calcula la probabilitat que en extreure una mostra de grandària 60 d'una població
que es distribueix normalment segons N (12, 5), la mitjana de la mostra estigui
compresa entre 10 i 14.
18. El coeficient intel·lectual dels alumnes d'una determinada universitat segueix una
normal N (95, 28).
a) Calcula la probabilitat que la mitjana d’una mostra de 64 alumnes tingui un coeficient

intel·lectual mitjà inferior a 92.
b) Calcula la probabilitat que la mitjana de la mateixa mostra tingui un coeficient
intel·lectual superior a 100.
19. Els paràmetres d’una variable són: μ = 16,4 i σ = 4,8. Ens disposam a extreure una
mostra de n = 400 individus.
a) Troba l’interval característic per a les mitjanes mostrals corresponents a una

probabilitat p = 0,99.
b) Calcula P[ 16 < X̄ < 17 ].
20. El temps d’espera, en minuts, dels pacients en un servei d’urgències, és N(14, 4).
a) Com es distribueix el temps mitjà d’espera de 16 pacients?

b) En una mitjana jornada hi han atès 16 pacients. Quina és la probabilitat que el temps
mitjà de la seva espera estigui comprès entre 10 i 15 minuts?
21. En una ciutat, l’altura dels seus habitants té una desviació típica de 8 cm. Si l’altura
mitjana dels habitants fos de 175 cm, quina seria la probabilitat que l’altura mitjana
d’una mostra de 100 individus presa a l’atzar fos superior a 176 cm?
22. L’estatura dels joves d’una ciutat segueix una distribució N(μ, σ). Si el 90 % de les
mitjanes de les mostres de 81 joves estan en (173,4 ; 175,8), troba μ i σ.
19
11.5 Distribució de la diferència de mitjanes mostrals
Suposem que volem estudiar una característica en dues poblacions diferents, diguem
l'altura de l’alumnat a dues escoles. A la primera escola, la variable aleatòria X 1, assigna
un valor a l'altura de cada alumne-na, té una mitjana μ 1 i desviació típica σ1. A la
segona escola, la variable aleatòria X 2, que ens dóna l'altura del alumnat, té una mitjana
μ2 i desviació típica σ2, no necessàriament iguals a l'anterior.
Sabem que la variable X̄ 1 de les mitjanes mostrals de X1, de mida n1, si n1 és prou
gran o X1 és normal, segueix una distribució normal de mitjana μ 1 i desviació típica
σ1 σ1
. És a dir, X̄ 1 ~ N (μ1, ).
√ n1 √n1
De la mateixa manera, la variable X̄ 2 de les mitjanes mostrals de X2, de mida n2, si n2
és prou gran o X2 és normal, segueix una distribució normal de mitjana μ 2 i desviació
σ2 σ2
típica . És a dir, X̄ 2 ~ N (μ2, ).
√n 2 √n 2
Imaginem que prenem una mostra de la primera escola i una altra a la segona escola i
calculem la diferència de les dues mitjanes mostrals. Si repetim l'operació diverses
vegades (amb el mateix nombre d’individus a la primera escola n1 i el mateix nombre
d’individus a la segona escola n2) , obtenim una sèrie de nombres que corresponen als
valors d'una nova variable aleatòria que simbolitzem per X̄ 1− X̄ 2
Com es distribueix X̄ 1− X̄ 2 ? Doncs...
X̄ 1− X̄ 2 ~ N (μ1 - μ2,
√ σ 21 σ 22
+
n1 n 2
)
Això és el que es coneix com la distribució de la diferència de dos mitjanes mostrals.
Exemples
1. Se sap que el pes de tots els al·lots de 5è curs a una escola de primària segueix una
distribució normal de mitjana μ 1 = 45 kg i σ1 = 7,5 kg , mentre que el pes de les al·lotes,
del mateix nivell educatiu, es distribueix també normalment amb mitjana μ 2 = 40 kg i
σ2= 6,9 kg. Si la variable X̄ 1 ens dóna les mitjanes mostrals del pes de les mostres de
20 al·lots i X̄ 2 les mitjanes mostrals de mostres de 18 al·lotes, trobar la probabilitat
que el pes mitjà d'una mostra de al·lots superi en 5 kg o més al pes mitjà d'una mostra
de les al·lotes.
20
Solució:
Sabem que μ1 = 45 kg i σ1 = 7,5 kg, i que μ2 = 40 kg i σ2 = 6,9 kg. A més, n1 = 20 i n2 = 18 i

volem calcular la probabilitat següent: P [ X̄ 1− X̄ 2 ≥ 5 ]
Sabem que X̄ 1− X̄ 2 ~ N (μ1 - μ2,

√ σ 21 σ 22
+
n1 n 2
). En aquest cas ~ N (5 ; 2,3)
Per tant, la probabilitat demanada és del 50 %.
Exercicis
23. Els llums de baix consum de la marca A tenen una vida mitjana de 12000 hores i una
desviació típica de 450 hores, mentre que els llums del mateix tipus de la marca B tenen
una vida mitjana de 11200 hores amb una desviació de 650 hores. Trobar la probabilitat
que una mostra de 36 llums de la marca A tingui una vida mitjana superior en més de
500 hores a la vida mitjana d'una mostra de 40 llums de la marca B.
11.6 Distribució de la suma de tots els individus de la mostra
Algunes vegades fa falta tenir un control de la suma de tots els individus de la mostra i
per tant he de saber com és el comportament de la distribució de la suma de la suma
dels individus.
n n
Ja que ∑ x i=n· x̄ , podem deduir que ∑ xi té una distribució normal amb mitjana
i=1 i=1
σ
n·μ i desviació típica n· =σ · √ n
√n
n
∑ xi és N( n·μ , σ · √ n )
i=1
Per tant, podem calcular la probabilitat que la suma dels elements d’una mostra estigui,
a priori, en un cert interval.
Exemple
1. Els sous, en euros, dels empleats d’una fàbrica es distribueixen N(1200,400). Se’n tria
a l’atzar una mostra de 25. Quina és la probabilitat que la suma dels seus sous sigui
superior a 35000 €?
La suma dels sous segueix una distribució normal de mitjana: n·μ = 25·1200 = 30000 €
i la seva desviació típica és: σ · √n=400 · √ 25=400· 5=2000 €
21
∑ xi és N(30000 , 2000)
i=1
Per tant,
Exercicis
24. El pes dels cans adults d’una determinada raça és una variable aleatòria que es
distribueix normalment amb una mitjana de 7,4 kg i una desviació típica de 0,6 kg.
Si consideram mostres de 30 d’aquests animals:
a) Quina és la distribució de la mitjana mostral, X̄ ?
b) Calculeu P[6,5 < X̄ < 7,5]
c) Quina és la distribució de la suma dels pesos dels 30 animals de les mostres?
n
d) Calculeu P[ ∑ xi > 225]
i=1
25. Se suposa que el pes mitjà de les síndries d’una determinada varietat segueix una
distribució normal amb μ = 6 kg i σ = 1 kg. Si empaquetam les síndries en caixes de 8
unitats:
a) Troba la probabilitat que la mitjana dels pesos de les síndries d’una caixa sigui menor
que 5,5 kg.
b) Calcula la probabilitat que entre les 8 síndries d’una de les caixes pesin més de 50 kg.
11.7 La distribució binomial s'aproxima a la normal
Com vàrem comentar a l’apartat 11.2.1 d’aquest tema, a mesura que n es fa molt
gran, la distribució binomial s’aproxima molt a una distribució normal. Aquí tenim un
exemple amb p = 0,5 i n = 10 i n = 30. S’observa com la distribució binomial discreta,
cada vegada, es més similar a la corba de la distribució normal, que és una distribució
contínua.
22
I quan podem dir que l’aproximació de la normal a la binomial és prou bona?
Una distribució binomial es pareix a una normal molt més com més gran és el
producte n·p (o n·q si q < p)
Si n·p  3 i n·q  3 -----> L'aproximació és bastant bona
Si n·p  5 i n·q  5 -----> L'aproximació és quasi perfecta
B(n , p)≈ N (n · p , √ npq)

En l'aproximació d'ambdues distribucions cal tenir en compte que la binomial és discreta
i la normal, contínua. I què vol dir això?
Teníem un problema a l’hora de calcular probabilitats amb la distribució binomial si n

era molt gran, i la distribució normal ha solucionat aquest problema però hem de pagar
un preu. No és gratis!! Entre altres coses, a una distribució binomial P(X=3) no és zero
però si volem calcular P(X’=3) per a una distribució normal, aquesta probabilitat és zero.
Hem de fer una «rectificació» o «correcció» per tal d’obtenir la probabilitat demanada.
El problema consisteix en aproximar un àrea a una longitud. Cosa que sembla una mica
incomprensible ;) El que fem és agafar un àrea sota la corba que representa la
probabilitat de la variable normal, de tal manera que sigui aproximadament igual a
l'altura de la barra de la probabilitat corresponent a la variable binomial
L'àrea de la part verda, de base 1, és aproximadament igual a la longitud de la “longitud” de la barra vermella
23
Càlcul de probabilitats en una binomial mitjançant l'aproximació a la normal
Si n·p⩾5 i n·q⩾5 ⇒ X ∼B(n , p) → X ' ∼N (n·p , √ npq )
P[ X =k ]= P [k−0,5< X ' < k +0,5]
P [a⩽ X <b]= P [a−0,5< X ' <b−0,5]
P [a< X ⩽b]= P[a+0,5< X ' <b+ 0,5]
Exemple
1. La variable x és binomial, amb n = 1 200 i p = 0,008.
a) Calcula la probabilitat que x sigui major que 10.

b) Troba l’interval característic per a una probabilitat del 95%.
Solució:
Com que podem aproximar mitjançant una distribució normal
de mitjana i desviació típica:
B(n , p)≈ N (n·p , √ npq)
a) Podeu observar que hem rectificat la probabilitat al passar d’una variable discreta
(binomial) a una variable contínua (normal) i després hem tipificat.
b) Per una probabilitat del 95% → z a/2 = 1,96 i per tant, l’interval característic serà
, és a dir
Exercicis
26. Si tenim un dau correcte i el llançam 50 vegades:

a) Quina és la probabilitat que “l’1” surti més de 10 vegades?
b) Quina és la probabilitat que surti “múltiple de 3” almenys 20 vegades?
27. En un sac mesclam fesols i mongetes en la relació de 14 fesols per cada mongeta.
N’extreim un grapat de 100 llavors.
a) Quina és la probabilitat que la proporció de mongetes estigui entre 0,05 i 0,1?
b) Troba un interval per al 99% de les proporcions de les mostres de grandària 100.
28. El 42% dels habitants d’un municipi és contrari a la gestió de l’alcalde i la resta en
24
són partidaris. Si es pren una mostra de 64 individus, quina és la probabilitat que

guanyin els que s’oposen a l’alcalde?
29. La probabilitat que un nadó sigui nin és 0,515. Si han nascut 184 infants, quina és la
probabilitat que hi hagi 100 nins o més? Troba l’interval característic corresponent al
95% per a la proporció de nins en mostres de 184 nadons.
11.8 Distribució de les proporcions mostrals
Si en fer l'estudi d'una característica d'una població ens trobem que la variable
únicament pot prendre dos valors: èxit o fracàs, la població que tractem d'estudiar
segueix una distribució binomial, però quan el nombre de proves és gran aquesta
binomial es pot aproximar per una normal. Considerem llavors una població nombrosa de
N individus; per exemple, tots els professors de matemàtiques de les Illes Balears i una
característica: ser seguidor de l'Atlètic de Madrid; i interroguem a cada professor si és, o
no, seguidor de l'Atlètic. Sigui n A el nombre de respostes afirmatives, llavors el quocient
ens dóna la proporció poblacional o percentatge poblacional de seguidors de l'Atlètic
entre els professors de matemàtiques de les Illes Balears.
Imaginem que de l'esmentada població prenem una mostra de grandària n, diguem-ne

n
M1, i calculem la proporció de atlètics: p1= 1 . Si a continuació obtenim totes les
n
mostres possibles, de grandària n, M 2, M3, M4 … llavors veurem que les proporcions de
n n n
atlètics p2= 2 , p3= 3 , p4 = 4 … variaran d'una mostra a una altra.
n n n
Totes aquestes proporcions p 1, p2, p3, ... són valors d'una nova variable aleatòria que
anomenarem proporció mostral i simbolitzarem per pr. Aquesta variable al seu torn
tindrà una mitjana μpr i una desviació típica σpr . Quina relació tenen la mitjana i la
desviació típica de la proporció mostral amb la proporció poblacional p?
Es pot demostrar la següent afirmació per a la distribució de les proporcions mostrals:
Si una població nombrosa té una proporció poblacional p d'una determinada

característica, llavors la variable aleatòria pr, de les proporcions mostrals extretes
d'aquesta població, quan la mida de la mostra és prou gran (n ≥ 30), s'aproxima a una
distribució normal de mitjana μpr = p i desviació típica σ pr =
p ·(1− p)
n
; és a dir, pr
√
es distribueix segons una N( p,
p ·(1− p)
n √)
pr ~ N( p,
√ p ·(1− p)
n
)
Nota important: La proporció pr és una variable discreta. Per calcular probabilitats de

pr (i intervals característics) s'haurien de fer les correccions corresponents al pas a una
contínua. No obstant això, per no complicar el procés, tractarem pr com si fos contínua.
Exemples
25
1. A una empresa fuma el 40 % dels seus treballadors. Si triem una mostra de 30

persones, quina és la probabilitat que la proporció de fumadors sigui major que el 50 % ?
Solució:
La mostra és de grandària n = 30 i la proporció de fumadors és p = 0,4, per tant les

proporcions mostrals pr es distribuiran com pr ~ N( p,
p·(1− p)
n
) = N( 0,4 ;
√
√ 0,4 · 0,6
30
) = N(0,4 ; 0,089)
Nota: ^p= pr
2. En unes eleccions municipals la llista de l'alcalde va sortir amb el 35% dels vots. Si
abans de les eleccions es hagués fet un sondeig amb una mostra de 400 veïns, quin
hauria estat, si es manté la mateixa intenció de vot, la probabilitat d'obtenir menys del
30% dels vots per a la citada llista?
Solució:
Grandària de la mostra n = 400 i p = 0,35 i per tant, pr segueix la següent distribució:
Hem de calcular:
Per tant, únicament al 1,5 % de les mostres s’obtindrien menys del 30 % dels vots
Exercicis
30. En una determinada població el 20% dels seus habitants fa servir ulleres graduades.
Prenem una mostra de 256 persones, quina és la probabilitat que el percentatge de
persones de la mostra que fan servir ulleres graduades estigui entre el 15% i el 25%?
31. Una vacuna contra certa malaltia immunitza al 95% de les persones que se la posen.
Si triem una mostra de 64 persones, quin és la probabilitat que la proporció de gent
immunitzada a posar-se la vacuna sigui menor que el 92%?
26
32. Se sap que el 30% dels estudiants d'una universitat no fa mai “botellón”. Es pren una
mostra de 200 estudiants d'aquesta universitat i es demana calcular la probabilitat que
més de les tres quartes parts dels estudiants de la mostra faci alguna vegada “botellón”.
33. Com sabem, en un dau correcte la proporció de vegades que surt el 5 és 1/6. Troba
cada un dels intervals característics corresponents al 90%, 95% i 99% per a la “proporció
de cincs”, en tandes de 100 llançaments d’un dau correcte.
34. Calculeu com es distribueixen les proporcions mostrals, pr, per a les poblacions i les
mostres que es descriuen a continuació:
35. Troba els intervals característics per a les proporcions mostrals de l’exercici
anterior, corresponents a les probabilitats que, en cada cas, s’indiquen:
a) 90% b) 95% c) 99% d) 95% e) 99% f) 80%
36. Quatre de cada deu habitants d’una determinada població llegeix habitualment el
periòdic Z. Troba l’interval característic (per al 95%) de la proporció que llegeixen el
periòdic Z, en mostres de grandària 49.
37. Un estudi realitzat per una companyia d’assegurances d’automòbils estableix que
una de cada cinc persones accidentades és dona. Si es comptabilitzen, generalment, 169
accidents cada cap de setmana:
a) Quina és la probabilitat que, en un cap de setmana, la proporció de dones

accidentades superi el 24%?
b) Quina és la probabilitat que, en un cap de setmana, la proporció d’homes accidentats

superi el 85%?
c) Quin és, generalment, el nombre esperat d’homes accidentats cada cap de setmana?
38. En una població, la proporció d’individus que tenen una certa característica C és
0,32.
a) Com es distribueixen les possibles proporcions pr d’individus que tenen la
característica C en mostres de 200 individus?
b) Troba l’interval característic de pr corresponent al 95%.
c) Calcula la probabilitat que en una mostra la proporció sigui menor que 0,3.
39. Se sap que el 10% dels habitants d’una ciutat determinada va regularment al teatre.
Es pren una mostra a l’atzar de 100 habitants d’aquesta ciutat. Quina és la probabilitat
que, almenys, un 13% d’ells vagi regularment al teatre?
27
Exercicis de Selectivitat
1. Setembre 2015
Una empresa dedicada a l’elaboració de productes derivats del blat de moro té una
determinada màquina que envasa els grans de blat de moro en bosses que segueixen una
distribució normal amb μ = 250 g i σ = 25 g. Les bosses s’empaqueten en capses
(paquets) de 200 unitats.
a) Determinau la distribució de les mitjanes de les mostres.
b) Calculau la probabilitat que la mitjana dels pesos de les bosses d’un paquet sigui més
petita que 245 g.
c) Calculau la probabilitat que una capsa de 200 bosses pesi més de 51 kg.
Nota: Si es necessita als càlculs aproximau √2 ≈ 1.4142.
2. Juny 2015
L'alçada mitjana dels joves de 20 anys d'un poble segueix una distribució normal de
mitjana 174 cm i desviació típica 10 cm. Es tria una mostra aleatòria simple de 144
joves. Sigui ̄x la mitjana mostral de les alçades observades.
a) Quines són la mitjana i la variància de la variable aleatòria ̄x ?

b) Quina és la probabilitat que l'alçada mitjana de la mostra estigui compresa entre 173
cm i 175 cm?
3. Juny 2014
El quocient intel·lectual d’uns alumnes universitaris es distribueix normalment amb una

mitjana de 100 i una desviació típica de 10.
a) Es tria una persona a l’atzar. Calculau la probabilitat que el seu quocient intel·lectual
es trobi entre 98 i 103.
b) Es tria una mostra de vint-i-cinc persones a l’atzar. Trobau la probabilitat que la
mitjana dels seus quocients intel·lectuals es trobi entre 98 i 103.
4. Setembre 2013
28
5. PBAU juny 2018
29
Recordeu:
- Distribució binomial de n proves amb probabilitat d'èxit, simbòlicament s'expressa així:
- Si X és una variable amb distribució normal de

mitjana μ i desviació típica σ, X ~ N (μ, σ), la
probabilitat que X prengui un valor menor o igual que
x, P [X ≤ x] correspon a l'àrea de la regió ombrejada a
la figura.
El càlcul d'aquesta àrea es fa mitjançant una integral

definida i totes aquestes àrees estan tabulades per a N (0,1). Trobem P [X ≤ x] canviant
la variable X per Z que és N (0,1) (tipifiquem), on i per tant:
- Interval característic en distribucions N (,)
En una distribució normal N (,) l'interval característic corresponent a una probabilitat

p = 1-  és
( z a/2 · z a/2 · 
- Distribució de mitjanes mostrals
Si la variable X segueix una distribució normal, N(μ, σ), llavors la variable aleatòria de la
mitjanes mostrals, X ̄ , segueix també una distribució normal N (μ, σ ). És a dir, té
√n
σ
la mateixa mitjana que X, μ x̄ = μ, i la seva desviació típica és menor, σ x̄ =
√n
Si la variable X segueix una distribució desconeguda o no és normal, i la grandària de la
σ
mostra és n ≥ 30, llavors X̄ segueix també una distribució normal N (μ, )
√n
30
- Distribució de la diferència de mitjanes mostrals
X̄ 1− X̄ 2 ~ N (μ1 - μ2,
√ σ 21 σ 22
+
n1 n 2
)
- Distribució de la suma de tots els individus de la mostra

n
∑ xi és N( n·μ , σ · √n )
i=1
- La distribució binomial s'aproxima a la normal
Una distribució binomial es pareix a una normal molt més com més gran és el producte
n·p (o n·q si q < p)
Si n·p  3 i n·q  3 -----> L'aproximació és bastant bona
Si n·p  5 i n·q  5 -----> L'aproximació és quasi perfecta
B(n , p)≈ N (n·p , √ npq)

- Distribució de les proporcions mostrals
Si una població nombrosa té una proporció poblacional p d'una determinada

característica, llavors la variable aleatòria pr, de les proporcions mostrals extretes
d'aquesta població, quan la mida de la mostra és prou gran (n ≥ 30), s'aproxima a una
distribució normal de mitjana μpr = p i desviació típica σ pr =
p·(1− p)
n
; és a dir, pr
√
es distribueix segons una N( p,
p·(1− p)
n √)
pr ~ N( p,
√ p·(1− p)
n
)
31

T11 Paràmetres Mostrals 2 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

T11 Paràmetres Mostrals 2 PDF

Uploaded by

Copyright:

Available Formats

IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals

Tema 11 : Paràmetres mostrals

En l'Estadística es distingeixen dues parts perfectament diferenciades. Una d'elles es

Una altra part de l'Estadística anomenada estadística inferencial tracta d'elaborar

Les aplicacions de l'estadística inferencial abasten camps molt diversos. En Medicina

Aquesta unitat didàctica té com a objectius els següents:

1. Estudiar els conceptes bàsics de l'Estadística inferencial.

11.2 Variables aleatòries

11.2.1. Variables aleatòries discretes. Distribució binomial

En les variables aleatòries discretes a cada valor x de la variable X se li associa la

Aquesta funció rep el nom de funció de probabilitat d'una distribució binomial de n

A és a més, recordem que la mitjana i la desviació típica d'aquest tipus de distribució

1. En una ciutat, el 40% de l'alumnat que promocionen a batxillerat té suspesa alguna

Es tracta de distribució binomial perquè:

La meitat de 6 és 3, la probabilitat que ens demanem és:

a) les 5 persones que han subscrit la pòlissa

Una màquina fabrica pern. El 5 % són defectuosos. S'empaqueten en caixes de 400.

En aquest exemple el càlcul de la probabilitat seria molt tediós i quasi impossible i, si en

11.2.2. Variable aleatòria contínua. La distribució normal.

Les variables aleatòries contínues es caracteritzen per que la probabilitat atribuïda a

Com comentaven abans, d'aquesta manera, calcular probabilitats equival a calcular

Nota: No et preocupis que no farem integrals amb aquesta funció.

Si X està normalment distribuïda, la probabilitat que X prengui un valor menor o igual

Nota: La lletra Z està reservada per distribucions N(0,1)

P(Z ≤ k) quan k és major o igual que 0 (k ≥ 0)

1. En una distribució normal N (0,1), trobar:

a) P [Z ≤ 1,58]; b) P [Z ≥ 0,46]; c) P [Z ≤ - 1,79]; d) P [Z ≥ - 1,79];

El nombre 0,9429 apareix a la taula en la intersecció de la

b) P [Z ≥ 0,46] = 1- P [Z ≤ 0,46] = 1- 0,6772 = 0,3228.

En la gràfica veiem que la probabilitat buscada correspon a

c) P [Z ≤ - 1,79] = P [Z ≥ 1,79] = 1 - P [Z ≤ 1,79] = 1- 0,9633 =

En la gràfica observem que per simetria l'àrea

d) P [Z ≥ - 1,79] = P [Z ≤ 1,79] = 0,9633.

Per simetria l'àrea de P [Z ≥-1,79] és igual que P [Z ≤ 1,79].

e) P [- 0,89 ≤ Z ≤ 1,98] = P [Z ≤ 1,98] - P [Z ≤ - 0,89] = P [Z ≤ 1,98] - (1 - P [Z ≤ 0,89]) =

Calcula el valor de k (exacta o aproximadament) en cada un dels casos següents:

P [Z ≤ k] = P [Z ≥ -k] = 1 - P [Z ≤ -k] = 1 – 0,12 = 0,88 → -k ≈ 1,175 → k ≈ - 1,175

c) P [Z ≥ k] = 0,12 → P [Z ≤ k] = 0,88 → Φ(k) = 0,88 → k ≈ 1,175 per les mateixes raons

d) P [Z ≥ k] = 0,88 → k ha de ser un valor negatiu → P [Z ≤ -k] = 0,88 (-k serà un valor

3. En una distribució N (0,1) calcula el valor de c que compleix la igualtat

Nota: | Z | és el valor absolut de Z.

Després de la igualtat P [Z ≤ c] = 0,95 + 0,025 = 0,975

4. Troba les probabilitats següents en una distribució N(0, 1):

a) P[z > 2,8] b) P[z ≤ –1,8] c) P[z > –1,8]

d) P[1,62 ≤ z < 2,3] e) P[1 ≤ z ≤ 2] f ) P[–0,61 ≤ z ≤ 1,4]

g) P[–1 ≤ z ≤ 2] h) P[–2,3 < z < –1,7] i ) P[–2 ≤ z ≤ –1]

5. Calcula el valor de k (exacta o aproximadament) en cada un dels casos següents en

a) P[z ≤ k] = 0,5 b) P[z ≤ k] = 0,8729 c) P[z ≤ k] = 0,9

d) P[z ≤ k] = 0,33 e) P[z ≤ k] = 0,2 f ) P[z > k] = 0,12

g) P[z ≥ k] = 0,9971 h) P[z ≥ k] = 0,6

Solució: Com que

3. Les estatures de 500 estudiants d'un col·legi es distribueixen normalment amb

En segon lloc, ens demanem

7. En una N (0,1) calcular els valors de z corresponents a:

a) Quin percentatge d'individus d'A supera el valor 179?

a) P[x ≤ k] = 0,9772 b) P[x ≤ k] = 0,8 c) P[x ≤ k] = 0,3 d) P[x ≥ k] = 0,6331

11.3 Intervals característics d’una distribució normal

Si X té una distribució de mitjana , s'anomena interval característic corresponent a una

Interval característic en distribucions N(0,1)

k rep el nom de valor crític i la seva notació és z →k= z

Habitualment, p es designa com a 1 -  → p = 1 - 

Per tant, observem que la probabilitat dins de l’interval característic és de 1 -  i fora

Veiem un exemple de com calcular un interval característic.