Professional Documents
Culture Documents
T11 Paràmetres Mostrals 2 PDF
T11 Paràmetres Mostrals 2 PDF
1
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
2
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
11.1 Introducció
3
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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.
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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:
On q = 1 - p
Exemple
Solució:
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)
5
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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:
Com pots observar-hi, el càlcul de probabilitats es pot complicar com posa de manifest
el següent exemple:
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.
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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:
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)
Alerta! La següent taula ens donarà únicament les probabilitats de la següent forma:
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
8
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
Exemples
Solució:
a) P [Z ≤ 1,58] = 0,9429.
9
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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.
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.
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
P [- c ≤ Z ≤ c] = P [| Z | ≤ c] = 0,95.
Solució:
Segons la figura, l'àrea ombrejada a la dreta de c és
10
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
Exercicis
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.
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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.
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.
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:
12
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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:
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.
( k , + k )
tal que:
P[ k < X < + k] = p
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
p = 1-
-k k = za/2
/2 0 /2
13
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
Exemple:
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:
Per tant, assignarem a z el valor mitjà dels valors 1,64 i 1,65 → z = 1,645
a/2 a/2
14
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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 ·
2. En una distribució N(18, 4), troba els intervals característics per al 95% i el 99,8%.
Solució:
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres 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.
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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:
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
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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:
18
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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?
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).
19. Els paràmetres d’una variable són: μ = 16,4 i σ = 4,8. Ens disposam a extreure una
mostra de n = 400 individus.
20. El temps d’espera, en minuts, dels pacients en un servei d’urgències, és N(14, 4).
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres 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
X̄ 1− X̄ 2 ~ N (μ1 - μ2,
√ σ 21 σ 22
+
n1 n 2
)
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
Solució:
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.
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
∑ 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.
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
Una distribució binomial es pareix a una normal molt més com més gran és el
producte n·p (o n·q si q < p)
L'àrea de la part verda, de base 1, és aproximadament igual a la longitud de la “longitud” de la barra vermella
23
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
Exemple
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
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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.
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.
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?
pr ~ N( p,
√ p ·(1− p)
n
)
25
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
Solució:
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:
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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:
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:
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
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.
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.
3. Juny 2014
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
29
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
Recordeu:
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
IES Sa Colomina – Departament de Matemàtiques – Matemàtiques aplicades a les CCSS II – Tema 11: Paràmetres mostrals
X̄ 1− X̄ 2 ~ N (μ1 - μ2,
√ σ 21 σ 22
+
n1 n 2
)
∑ 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)
pr ~ N( p,
√ p·(1− p)
n
)
31