Part general VIII – Estadística

Tema 40

40. El concepte de probabilitat. La probabilitat condicionada. Concepte de variable aleatòria. Variables

aleatòries discretes i contínues. La distribució normal. Concepte de mostra duna població. Tipus de
mostreig

1. Definició de probabilitat i variable aleatòria

La probabilitat no condicionada és una mesura de la possibilitat que esdevingui qualsevol succés associat a un
determinat experiment aleatori. És el quocient que resulta de dividir els casos favorables pels casos possibles.
Variable aleatòria és tota funció que associa a cada element de l’espai mostral un número real; és un valor numèric
que es correspon al resultat d’un experiment aleatori.

2. Propietats de la probabilitat
La probabilitat és un número comprès entre 0 i 1, encara que és habitual expressar la probabilitat en tants per cent,
assenyalant el nombre de vegades que podem esperar un resultat quan realitzem cent proves . Una probabilitat 0 no
significa que el succés sigui impossible; en una variable de tipus continu la probabilitat d’un valor concret és 0.
La probabilitat del succés complementari és 1 menys la probabilitat del succés.

Probabilitat total: la probabilitat de dos successos incompatibles és igual a la suma de les probabilitats de cadascun.

Probabilitat composta: la probabilitat de dos successos compatibles i independents és igual al producte de

probabilitats de cadascun.

Probabilitat unió: la probabilitat del succés unió de dos successos qualsevol, A i B, és igual a la suma de les seves
probabilitats menys la probabilitat del succés intersecció.

3. La probabilitat condicionada
Quan la probabilitat de que es produeix un succés B està condicionada a que hagi succeït anteriorment el succés A.
Siguin A i B dos successos condicionats. La probabilitat del succés B condicionada pel succés A, P(A/B), és igual al
quocient de la probabilitat de la intersecció entre A i B, i la probabilitat del succés condicionant A.

4. Distribucions de probabilitat
La funció de distribució permet calcular probabilitats acumulatives i la funció de probabilitat permet calcular quina és la
probabilitat de què la variable aleatòria prengui un cert valor.
Una distribució de probabilitat té associada una funció de distribució, que representa la probabilitat d´obtenir un valor
menor o igual que un altre previament fixat, i que podem calcular utilitzant la fórmula:

a on les p(xi) representen les probabilitats d´obtenir un valor xi menor o igual a X.

4.1. La distribució discreta. Esperança i variància

La distribució de variable discreta és aquella funció de probabilitat la qual només pren valors positius en un conjunt de
valors d’x finit o infinit numerable. A aquesta funció se l’anomena funció de massa de probabilitat. En aquest cas la
distribució de probabilitat és el sumatori de la funció massa:

I tal com correspon a la definició de distribució de probabilitat, aquest expressió representa la suma de totes les
probabilitats des de - fins a .
Les distribucions de variable discreta més importants són: binomial, binomial negativa, de Poisson, geomètrica, i
hipergeomètrica
L’esperança matemàtica (o esperança, o mitjana poblacional) d'una variable aleatòria discreta és la suma de la
probabilitat de cada possible esdeveniment multiplicat pel valor de l'esmentat esdeveniment.

La variància (2) es calcula:

La mitjana () s’obté de la funció de probabilitat:

Part general VIII – Estadística
Tema 40

4.2. La distribució contínua. Esperança i variància

Amb la variable contínua no podem dotar de probabilitat a cada valor concret de la variable, n’hi ha .
La distribució de probabilitat de la variable contínua és la integral de la funció de densitat:

Les distribucions de variable contínua més importants són:de chi quadrat, exponencial, t d’Student, normal, gamma,
beta, o F.
L’esperança. Si X és una variable aleatòria contínua, és a dir que té una funció de densitat de probabilitat f(x),
aleshores la integral pot calcular-se d’acord amb la següent fórmula:

La variància es calcula com:

La mitjana s’obté utilitzant l’expressió següent:

5. Una distribució discreta: la distribució binomial

Es tracta d´una distribució de probabilitat, en la qual només existeixen dos valors possibles de la
variable aleatòria, que és diuen èxit i fracás. A la probabilitat associada a cadascun d´ells se la
designa per "p" i "q" respectivament. Si "n" és el nombre de vegades que es repeteix l´experiment
aleatori, una distribució binomial es representa genèricament per: B(n,p).
5.1. Procés de Bernoulli
Un procés de Bernoulli és una sèrie de n experiments aleatoris que verifiquen:
a) cada experiment té dos resultats possibles (èxit i fracàs)
b) la probabilitat (p) d’èxit és la mateixa a cada experiment, i aquesta probabilitat no es
veu afectada per el coneixement de resultats anteriors. La probabilitat (q) de fracàs ve
donada per q=1-p
5.2. Càlcul de probabilitats
La probabilitat d´obtenir k èxits per a n successos vé donada per la fórmula següent:

5.3. Esperança i variància en una distribució binomial

L’esperança és: La variància és:

6. Una distribució contínua: la distribució normal

6.1. Propietats de la distribució normal
La distribució normal es caracteritza per la seva mitjana aritmètica (μ) i la seva
desviació estàndard (σ): N(μ,σ).
La distribució normal s’estén entre - i +. En ser contínua i simètrica al voltant de
la seva mitjana, la mitjana, la mediana i la moda són iguals.
La seva gràfica és coneguda per la seva característica forma de campana: la campana de Gauss.

6.2. Esperança i variància d’una distribució normal

L’esperança és: La variància és:

6.3. Càlcul de probabilitats. La tipificació d’una variable

Per al càlcul de probabilitats dins el marc de la distribució normal, s´utilitza la funció densitat, coneguda com Campana
de Gauss. Aquesta funció té la particularitat que les àrees sota la corba representen valors de probabilitat, i que per
tant calcular probabilitats en aquest cas és calcular àrees (càlcul d´integrals definides).
Part general VIII – Estadística
Tema 40

En el cas que la pregunta que ens plantegem sigui sobre el càlcul de probabilitats dins el marc d´una distibució normal
que no sigui la estàndar, sinó una altra N(μ,σ), llavors per poder fer els càlculs i utilitzar la taula de la N(0,1), hem de
fer prèviament el que es diu "tipificar la variable", que consisteix en fer el canvi mostrat per la fórmula següent:

a on x representa la variable aleatòria en la distribució normal no estàndar, i z és la variable ja tipificada.

6.4. La distribució tabulada N(0,1)

Per a la distribució normal estàndar N(0,1) existeix una taula amb els valors de la probabilitat ja calculats. Aquesta
taula ens proporciona directament la probabilitat per a valors de la variable aleatòria z≤K, éssent "K" un valor donat.