exercicis d’estadÍstica i probabilitat - rua.ua.es · 1 exercicis d’estadística descriptiva...
TRANSCRIPT
EXERCICIS D’ESTADÍSTICA I PROBABILITAT
Òscar Forner Gumbau
Materials de suport a la docència en valencià
DEPARTAMENT D’ESTADÍSTICA I INVESTIGACIÓ OPERATIVA
UNIVERSITAT D'ALACANT
158
Òscar Forner Gumbau Aquest material docent ha rebut una beca del Servei de Política Lingüística de la Universitat d'Alacant L’edició d’aquest material s’ha fet dins el marc del conveni per a la promoció de l’ús social del valencià signat per la Universitat d’Alacant amb la Conselleria d’Educació. ISBN: 978-84-9717-319-3 Dipòsit legal: A 566-2014 Alacant, febrer de 2014 (1a edició) Edició: Universitat d'Alacant. Servei de Política Lingüística Apartat de Correus 99 - 03080 Alacant
A/e: [email protected] tel. 96 590 34 85
Impressió: Limencop Universitat d’Alacant. Edifici de Ciències Socials – Planta baixa
http://www.limencop.com tel. 96 590 34 00 Ext. 2784
Índex
Presentació............................................................................................................ VII
Introducció............................................................................................................. IX
1. Exercicis d’estadística descriptiva ................................................................... 11
1.1 Conceptes i fórmules bàsiques ................................................................... 11
1.1.1 Definicions ...................................................................................... 11
1.1.2 Tipus de gràfics ............................................................................... 12
1.1.3 Mesures de centralització ................................................................. 15
1.1.4 Mesures de posició no central .......................................................... 16
1.1.5 Mesures de dispersió ........................................................................ 18
1.1.6 Gràfic de caixa i bigots ..................................................................... 20
1.1.7 Mesures de concentració .................................................................. 21
1.2 Exercicis resolts ........................................................................................ 23
Exercici 1 ................................................................................................... 23
Exercici 2 ................................................................................................... 28
Exercici 3 ................................................................................................... 30
Exercici 4 ................................................................................................... 31
Exercici 5 ................................................................................................... 35
Exercici 6 ................................................................................................... 44
Exercici 7 ................................................................................................... 48
1.3 Exercicis proposats .................................................................................... 53
Exercici 1 ................................................................................................... 53
Exercici 2 ................................................................................................... 54
Exercici 3 ................................................................................................... 54
Exercici 4 ................................................................................................... 55
Exercici 5 ................................................................................................... 55
Exercici 6 ................................................................................................... 56
Exercici 7 ................................................................................................... 56
2. Exercicis de probabilitat .................................................................................. 59
2.1 Conceptes i fórmules bàsiques ................................................................... 59
2.1.1 Definicions ...................................................................................... 59
2.1.2 Concepte de probabilitat ................................................................... 61
2.1.3 Probabilitat condicionada ................................................................. 62
2.1.4 Dependència i independència de successos ...................................... 63
2.1.5 Probabilitat composta ....................................................................... 63
2.1.6 Probabilitat total ............................................................................... 64
2.1.7 Teorema de Bayes ............................................................................ 64
2.1.8 Diagrama en arbre ............................................................................ 64
2.2 Distribucions de probabilitat discretes i contínues. Definicions. ............... 65
2.3 Distribució binomial .................................................................................. 67
2.3.1 Funció de probabilitat, funció de distribució, esperança i variància
d’una distribució binomial......................................................................... 68
2.3.2 Taula de la distribució binomial ....................................................... 69
2.4 Distribució normal ..................................................................................... 71
2.4.1 Representació i característiques ....................................................... 71
2.4.2 Distribució normal estàndard ........................................................... 72
2.4.3 Tipificació de la variable .................................................................. 72
2.4.4 Taula de la corba N(0, 1) .................................................................. 73
2.5 Aproximació de la distribució binomial mitjançant la distribució normal
......................................................................................................................... 74
2.6 Exercicis resolts ........................................................................................ 75
Exercici 1 ................................................................................................... 75
Exercici 2 ................................................................................................... 77
Exercici 3 ................................................................................................... 78
Exercici 4 ................................................................................................... 79
Exercici 5 ................................................................................................... 80
Exercici 6 ................................................................................................... 81
Exercici 7 ................................................................................................... 82
Exercici 8 ................................................................................................... 83
Exercici 9 ................................................................................................... 84
Exercici 10 ................................................................................................. 85
Exercici 11 ................................................................................................. 87
Exercici 12 ................................................................................................. 88
Exercici 13 ................................................................................................. 89
Exercici 14 ................................................................................................. 90
Exercici 15 ................................................................................................. 91
2.7 Exercicis proposats..................................................................................... 93
Exercici 1 ................................................................................................... 93
Exercici 2 ................................................................................................... 94
Exercici 3 ................................................................................................... 94
Exercici 4 ................................................................................................... 95
Exercici 5 ................................................................................................... 96
Exercici 6 ................................................................................................... 96
Exercici 7 ................................................................................................... 97
Exercici 8 ................................................................................................... 97
Exercici 9 ................................................................................................... 97
Exercici 10 ................................................................................................. 98
Exercici 11 ................................................................................................. 98
Exercici 12 ................................................................................................. 99
Exercici 13 ................................................................................................. 99
Exercici 14 ................................................................................................. 99
Exercici 15 ............................................................................................... 100
Bibliografia ......................................................................................................... 101
VII
Presentació del rector
La Universitat d’Alacant vol ser una universitat multilingüe amb personal i estudiants plurilingües actius, i això només és possible amb una bona formació en llengües, un component clau per a una universitat competitiva. Tot i que l’entorn més eficaç per a l’aprenentatge de les llengües és la immersió social o l’aprenentatge natural al si de la família, en l’àmbit escolar i universitari, aquests entorns es poden generar amb el tractament integrat de llengües i continguts. Des de l’equip de govern de la Universitat d’Alacant valorem la docència en valencià (i en altres llengües) com un component molt positiu en la formació universitària dels futurs professionals que estudien en aquesta Universitat. És una obligació de la Universitat formar bons professionals que en un futur pròxim puguen exercir en valencià, en castellà i en anglès, o en qualsevol altra llengua. Aquest material docent que ara presentem és un resultat més d’aquest compromís de l’actual equip de direcció de la Universitat de preparar bons professionals. Per a fer possible que els alumnes actuals i futurs de la Universitat puguen exercir de manera competent la seua professió en valencià hem de preparar bons professors que puguen impartir la docència en valencià i proporcionar materials de suport amb la millor qualitat possible. Un altre objectiu de la Universitat és promoure el coneixement en obert i facilitar i compartir recursos entre les universitats i els seus usuaris. Per això, aquests materials estan disponibles en edició digital i en el Repositori de la Universitat d’Alacant (RUA). L’edició de materials docents en valencià, l’autoarxivament en el RUA i l’impuls del coneixement en obert, són accions que formen part del desplegament d’una de les línies estratègiques de política lingüística: “Millorar i augmentar l’oferta de la docència en valencià i garantir-ne una bona qualitat lingüística” del Pla de Política Lingüística de la Universitat d’Alacant (BOUA de 5 de juliol de 2011). Aquestes iniciatives de suport a l’ús del valencià com a llengua d’ensenyament i aprenentatge han comptat amb el suport de la Generalitat Valenciana a través del conveni per a la promoció de l’ús del valencià.
Manuel Palomar Sanz Rector
IX
Introducció
Aquest material és un complement al quadern Introducció a l’Estadística de la
col·lecció Joan Fuster de materials docents en valencià, on es desenvolupaven
els continguts de l’assignatura Introducció a l’Estadística del primer curs del
grau de Gestió i Administració Pública de la Universitat d’Alacant.
L’objectiu d’aquest quadern és tindre un material que reforce els coneixements
adquirits de l’assignatura a classe i que els alumnes els puguen posar en
pràctica de forma autònoma resolent exercicis.
El quadern està dividit en dos temes, el primer dedicat a exercicis d’estadística
i el segon a exercicis de probabilitat. Al principi de cada tema es fa un repàs de
la teoria necessària per a la resolució dels exercicis, la qual cosa fa que es puga
utilitzar aquest quadern sense la necessitat de consultar l’altre i, a més, puga
ser utilitzat com a material de suport per a qualsevol assignatura d’estadística
bàsica d’altres titulacions.
El quadern té una col·lecció de 44 exercicis, 22 dels quals resolts pas a pas i
els altres 22 amb les solucions (excepte en els exercicis on donar la solució
seria fer completament la resolució de l’apartat o de l’exercici). Amb aquests
44 exercicis he volgut abastar tot tipus d’exercicis necessaris per al correcte
aprenentatge dels continguts de l’assignatura. Els exercicis resolts estan fets
amb els càlculs molt detallats perquè l’alumne entenga clarament com es fan,
però es recomana que tota aquella operació o càlcul de paràmetres que es puga
fer amb la calculadora científica es faça, ja que així es guanya molt de temps a
l’hora de resoldre els exercicis.
Amb aquest material també he volgut potenciar l’ús del valencià en la
docència, ja que crec que és una millora en la formació dels estudiants. Això
no hauria sigut possible sense l’ajuda de Xavier Casero, responsable de l’Àrea
d’Assessorament Lingüístic del Servei de Política Lingüística, al qual agraïsc
la seua ajuda i les seues correccions.
Per últim, vull donar les gràcies a la meua família pel suport que m’ha donat
sempre en tot el que he fet, i sobretot, a la meua parella, Mónica, que sempre
està al meu costat ajudant-me en tot el que pot, i als meus fills, Aitana i Manel,
per la felicitat i afecte que em donen.
Òscar Forner Gumbau
Professor del Departament d’Estadística i Investigació Operativa
Universitat d’Alacant, gener de 2014
11
1 Exercicis d’estadística descriptiva
Abans de començar la resolució d’exercicis recordarem les definicions
bàsiques i les fórmules que utilitzarem per a resoldre els exercicis.
1.1 Conceptes i fórmules bàsiques
1.1.1 Definicions
- Individu o element: persones o objectes que contenen certa informació que
es vol estudiar.
- Població: conjunt d'individus o elements que compleixen certes propietats
comunes.
- Mostra: subconjunt representatiu d’una població, l’estudi de la qual serveix
per a inferir característiques de tota la població.
- Grandària de la població: nombre d'individus que formen la població. En
relació amb la grandària de la població, aquesta pot ser finita o infinita.
- Variable o caràcter: propietat, tret o qualitat dels elements de la població, i
que pretenem estudiar.
- Variable qualitativa: els valors que pren no són quantificables. Una variable
qualitativa pot ser, a més, nominal, si no és possible establir un ordre en les
seues modalitats; o ordinal, si per contra sí que s’hi pot establir un ordre.
- Variable quantitativa: és aquella els valors de la qual són quantitats
numèriques amb les quals podem fer operacions aritmètiques. Dins d’aquest
tipus de variables podem distingir-ne dos grups:
Discretes: quan no admeten un valor intermedi entre dos qualssevol
dels seus valors i cada valor de la variable és un nombre natural.
Contínues: quan admeten un valor intermedi entre dos qualssevol dels
seus valors. En aquests casos, els valors de la variable són nombres
reals.
12 Exercicis d’estadística i probabilitat
- Freqüència absoluta: és el nombre de vegades que apareix cada valor de la
variable. La denotarem per . La suma de les freqüències absolutes, , és el nombre total d’observacions de
la variable. La denotarem per .
- Freqüència relativa: és el quocient entre la freqüència absoluta d’un valor
de la variable i el nombre total d’observacions de la variable. La denotarem
per .
La suma de les freqüències relatives, , és la unitat.
La freqüència relativa és el tant per u d’observacions que pertanyen a cada
valor de la variable. Si multipliquem la freqüència relativa per 100%,
representarà el percentatge de la mostra o població que té aquest valor:
- Freqüència absoluta acumulada: és la suma de les freqüències absolutes
fins un valor determinat de la variable. La denotarem per .
- Freqüència relativa acumulada: és la suma de les freqüències relatives fins
un valor determinat de la variable. La denotarem per .
També podríem definir la freqüència relativa acumulada com el quocient entre
cada una de les freqüències absolutes acumulades i el nombre total
d’observacions de la variable.
La freqüència relativa acumulada és el tant per u d’observacions fins a un
valor determinat de la variable. Si multipliquem la freqüència relativa
acumulada per 100%, representarà el percentatge acumulat de la mostra o
població fins un valor determinat de la variable:
1.1.2 Tipus de gràfics
Diagrama de barres
Cada valor diferent de la variable està representat per un rectangle. Com a base
de cada rectangle es prenen segments d’igual amplitud sobre l’eix d’abscisses i
l’altura de cadascun d’ells és proporcional a la freqüència absoluta del valor
que representa.
Exercicis d’estadística descriptiva 13
Diagrama de sectors
Per a fer el diagrama de sectors es divideix l’àrea total del cercle en tantes
porcions com valors diferents de la variable hi haja. Cada valor ve representat
per un sector circular, l’àrea del qual ha de ser proporcional a la seua
freqüència absoluta. Una manera ràpida de calcular l’angle corresponent a
cada sector és multiplicar la freqüència relativa de cada valor diferent per 360º.
Polígon de freqüències
S’obté unint, mitjançant segments de recta, els extrems superiors de les barres
d’un diagrama de barres.
Histograma
Es construeix a partir de la taula de freqüències. Sobre l’eix d’abscisses
s’escriuen els intervals, alçant sobre cadascun d’aquests un rectangle que té
aquest segment com a base. El criteri per a calcular l’altura de cada rectangle
és el de mantenir la proporcionalitat entre les freqüències absolutes (o
relatives) de cada interval i l’àrea dels rectangles.
Les condicions bàsiques per a un traçat correcte de l’histograma són:
Els rectangles han d’aparèixer juxtaposats, per a respectar la
continuïtat de la variable.
La mesura de la base de cada rectangle ha de ser l’amplitud de la
classe corresponent.
Si l’amplitud és constant, l’alçada de cada rectangle es pren com la
freqüència absoluta, , de l’interval sobre el qual està situat.
En el cas que els intervals no siguen tots de la mateixa amplitud,
l’alçada de cada rectangle serà la densitat de freqüència de l’interval
corresponent, és a dir, el quocient entre la freqüència absoluta de
l’interval i la seua amplitud.
També podem representar un histograma de freqüències acumulades. Els
passos a seguir són els mateixos que abans però tenint en compte les
freqüències absolutes acumulades en lloc de les freqüències absolutes.
Polígon de freqüències
S’obté unint, mitjançant segments de recta, els punts mitjans de les bases
superiors dels rectangles de l’histograma. Es prolonga la línia poligonal fins a
tallar l’eix d’abscisses en els punts mitjans dels intervals anterior al primer i
següent a l’últim, assignant-los d’aquesta manera freqüència nul·la.
14 Exercicis d’estadística i probabilitat
És important assenyalar que l’àrea que hi ha per davall del polígon de
freqüències és igual a la suma de les àrees dels rectangles de l’histograma.
També podem representar un polígon de freqüències acumulades. Per a
realitzar aquest polígon el que hem de fer és unir els vèrtexs superiors drets
dels rectangles de l’histograma de freqüències acumulades mitjançant una línia
poligonal.
Gràfic de tija i fulles
El gràfic de tija i fulles es construeix a partir de les dades originals de les
variables quantitatives, tant discretes com contínues.
Les indicacions per a la seua construcció són les següents:
- Per al nombre de dades que nosaltres manegem, els gràfics han de
tenir sempre de 4 a 12 files.
- Les dades han de tenir el mateix nombre de dígits tant enters com
decimals. Si no és així, afegirem zeros a dreta o esquerra (segons ens
convinga).
- Una vegada aconseguit el mateix nombre de dígits, les dades es
divideixen en dos parts: la de l'esquerra serà la tija i la de la dreta les
fulles.
- Es dibuixa una línia vertical i a la seua esquerra s’anoten en columna
les tiges ordenades de menor a major. Les tiges han de ser
consecutives i abastar tot el recorregut de la variable.
- A la dreta de la línia vertical s’anoten les fulles corresponents a cada
tija. Les fulles s’ordenen de menor a major i han d’ocupar el mateix
espai. Han d’haver-hi tantes fulles com nombre d’observacions.
- Hem d’indicar les xifres decimals que presenten les nostres dades. Si
les nostres dades presenten xifres decimals, farem el gràfic com si no
en tingueren i al final, indicarem per quina quantitat cal multiplicar les
dades del gràfic per a obtenir les nostres dades originals. Així, si tenim
dos xifres decimals, al final del gràfic escriurem × 0,01.
- Si volem aconseguir més files en el nostre gràfic podrem dividir cada
tija en dos files, reservant el símbol * per a la primera meitat de les
fulles possibles i el símbol º per a la resta, o en 5 files, on els símbols
utilitzats són:
* per al 20% inicial de fulles
t per al 20% següent
f per al 20% següent
s per al 20% següent
º per a l'últim 20%
Exercicis d’estadística descriptiva 15
El gràfic de tija i fulles és molt útil per les raons següents:
- Ens presenta les dades ordenades, cosa que serà útil per al càlcul
d'algunes mesures que veurem posteriorment.
- És una tècnica d’organització de les dades que permet obtindre
simultàniament la distribució de freqüències i la seua representació
gràfica, ja que, si ho girem, ens presenta la forma que té l’histograma
(la forma de l’histograma és la mateixa que la del gràfic de tija i fulla
si aquest últim el girem 90º cap a l'esquerra).
1.1.3 Mesures de centralització
Mitjana aritmètica
La mitjana aritmètica és defineix com la suma de totes les dades dividit pel
nombre de dades. La denotarem per .
Mediana
Si ordenem les dades de menor a major, la mediana és el valor que hi ha al mig
de les dades, és a dir, té tantes dades per davall com per damunt. Si el nombre
de dades és parell, assignarem a la mediana la mitjana aritmètica dels dos
termes centrals. La denotarem per .
* Si les dades vénen agrupades amb intervals, com no coneixem el valor real
de totes les dades, no serà possible calcular de forma exacta la mediana, per la
qual cosa, aproximarem el càlcul de la mediana de la manera següent:
on,
és el límit inferior de la classe mediana
és el nombre de dades
és la freqüència absoluta acumulada de la classe anterior
a la mediana
és la freqüència absoluta de la classe mediana
és l’amplitud de la classe mediana
Moda
La moda és el valor o valors de la variable que més vegades es repeteixen, és a
dir, és el valor o valors de la variable que tenen més freqüència absoluta. La
denotarem per .
16 Exercicis d’estadística i probabilitat
* Si les dades vénen agrupades amb intervals, com no coneixem el valor real
de totes les dades, no serà possible calcular de forma exacta la moda, per la
qual cosa, aproximarem el càlcul de la moda de la següent manera:
on,
és el límit inferior de la classe modal
és la freqüència absoluta de la classe anterior a la modal
és la freqüència absoluta de la classe posterior a la modal
és l’amplitud de la classe modal
Utilitzarem aquesta fórmula si els intervals no tenen tots la mateixa amplitud:
on,
és el límit inferior de la classe modal
és la densitat de la classe anterior a la modal
és la densitat de la classe posterior a la modal
és l’amplitud de la classe modal
1.1.4 Mesures de posició no central
Quartils
Ja hem vist que la mitjana, en les dades ordenades de menor a major, deixa a la
seua esquerra el 50% de les dades. Podem considerar també valors que
divideixen el conjunt de les dades en quatre parts iguals, és a dir, deixen a la
seua esquerra el 25%, el 50% i el 75% de les observacions. Aquests valors es
denominen quartils i es denoten com a , i respectivament. És clar que
= per definició.
Vegem com es calcula el .
Per a trobar el primer quartil, s’ordenen els valors de menor a major i a
continuació se cerca en aquesta sèrie ordenada el primer valor que supera el
lloc .
Pot ocórrer que l’ordre de l’observació coincidisca exactament amb
(succeeix quan és múltiple de 4). En tal cas, el primer quartil s'obté prenent
aquesta observació i la següent, i calculant-ne la mitjana aritmètica.
Per a trobar , el procediment és anàleg però considerant en compte
de .
Exercicis d’estadística descriptiva 17
* Si les dades vénen agrupades amb intervals, com no coneixem el valor real
de totes les dades, no serà possible calcular de forma exacta el , per la qual
cosa, aproximarem el càlcul del de la manera següent:
on,
és el límit inferior de la classe on està el
és el nombre de dades
és la freqüència absoluta acumulada de la classe anterior
on està el
és la freqüència absoluta de la classe on està el
és l’amplitud de la classe on està el
Per a trobar , el procediment és anàleg però considerant en compte
de .
Aleshores la fórmula serà:
Percentils
Fins ara ens hem interessat per obtenir aquells valors la posició dels quals
representava un percentatge molt concret de la mostra: 25, 50 i 75 per cent.
Però, generalitzant, podrem estar interessats a obtenir qualsevol posició dins
de les dades. Per a això establirem una fórmula general de càlcul per a obtenir
qualsevol posició relativa:
on,
és el percentatge a calcular
és el valor entre 1 i 100, equivalent al percentatge cercat
és el límit inferior de la classe on està el
és el nombre de dades
és la freqüència absoluta acumulada de la classe anterior on està el
és la freqüència absoluta de la classe on està el
és l’amplitud de la classe on està el
18 Exercicis d’estadística i probabilitat
1.1.5 Mesures de dispersió
Les mesures de dispersió permeten calcular la representativitat d’una mesura
de tendència central. La seua finalitat és estudiar fins a quin punt, per a una
sèrie de valors, les mesures de centralització són representatives de tota la
informació de les dades. Mesurar la representativitat d’una mesura de posició
central equival a quantificar la separació de les dades respecte a aquesta
mesura.
Anomenem dispersió o variabilitat, la major o menor separació dels valors
d’una distribució respecte d’un altra que pretén ser la seua síntesi. Aleshores,
per exemple, serà més representativa la mitjana aritmètica d’una variable com
més agrupats estiguen els valors d’aquesta al voltant de la mitjana i al contrari,
serà menys representativa quan els valors estiguen més dispersos respecte a la
mitjana.
Vegem a continuació quatre mesures de dispersió absolutes.
Rang o recorregut
És la diferència entre el màxim i el mínim valor que presenta una distribució.
Aleshores, un valor elevat del recorregut indicaria que la diferència entre el
major i el menor valor de la variable és alta, fet que podria portar a pensar que
també ho és la dispersió.
Recorregut interquartílic
És la diferència entre el tercer quartil i el primer quartil d’una distribució.
Aquesta mesura ens ofereix l'amplitud de l’interval en el qual es troba el 50%
dels valors centrals de la distribució. Aleshores, un valor elevat indicaria que
el 50% dels valors centrals es troben en un interval ampli, cosa que podria
portar a pensar en una dispersió alta.
Variància
És la mitjana de la suma de les desviacions de les dades respecte a la mitjana
aritmètica al quadrat.
Com més concentrats estiguen els valors al voltant de la mitjana aritmètica,
més pròximes a zero estaran les desviacions i aleshores menor serà la
variància. Si, per contra, els valors estan molt dispersos respecte a la mitjana
Exercicis d’estadística descriptiva 19
aritmètica, els quadrats de les desviacions seran grans i, aleshores, la variància
també.
Nota: Hi ha una altra mesura de dispersió, similar a la variància, coneguda
com a quasi variància, la qual es calcula de la següent manera:
Desviació típica
És l’arrel quadrada positiva de la variància. La seua interpretació és similar a
la de la variància, amb la diferència que la desviació típica ve mesurada amb la
mateixa unitat que la variable.
Vegem a continuació tres mesures de dispersió relatives.
Coeficient d’obertura
És el quocient entre els valors extrems de la variable.
Representa el nombre de vegades que el valor màxim és major que el valor
mínim. Com més gran siga aquest valor més dispersió relativa tenen les dades.
Rang o recorregut relatiu
És el quocient entre el rang i la mitjana aritmètica.
Representa el nombre de vegades que el recorregut conté la mitjana aritmètica.
Com més gran siga aquest valor, més dispersió relativa tenen les dades.
Coeficient de variació de Pearson
És el quocient entre la desviació típica i la mitjana aritmètica.
20 Exercicis d’estadística i probabilitat
Quan comparem dos distribucions, les seues dispersions es poden comparar
mitjançant la desviació típica si les mitjanes aritmètiques són iguals. Si no és
així, utilitzarem el coeficient de variació de Pearson.
El coeficient de variació de Pearson representa el nombre de vegades que la
desviació típica conté la mitjana aritmètica; aleshores, com més gran siga el
coeficient de variació de Pearson més vegades la desviació típica contindrà la
mitjana aritmètica, és a dir, menys representativitat tindrà la mitjana aritmètica
i més dispersió relativa tindran les dades.
Aquest coeficient també es pot expressar en percentatges:
1.1.6 Gràfic de caixa i bigots
Un gràfic o diagrama de caixa i bigots és una representació gràfica, basada en
els quartils, que ajuda a avaluar la forma de les distribucions. Aquest gràfic és
molt sensible per a detectar casos extrems, per tant, aquest gràfic indicarà quan
la distribució té valors extremadament grans o xicotets.
Una aproximació a la forma d’aquests gràfics és la següent:
○ ● ● x x ● ● ○
La caixa està formada entre el i el . Dins de la caixa es troben el 50% de
les dades de forma centralitzada.
Per a la construcció d’aquest gràfic necessitarem calcular una sèrie de valors
que descrivim a continuació:
Mediana (es troba sempre a l’interior de la caixa)
Primer quartil (marca la paret inferior de la caixa)
Tercer quartil (marca la paret superior de la caixa)
Recorregut interquartílic:
Factor d’escala:
Frontera interior inferior:
Frontera interior superior:
Frontera exterior inferior:
Exercicis d’estadística descriptiva 21
Frontera exterior superior:
x Valors adjacents:
- Valor adjacent inferior: valor de les dades més pròxim a (frontera
interior inferior), sent major o igual que aquest.
- Valor adjacent superior: valor de les dades més pròxim a (frontera
interior superior), sent menor o igual que aquest.
○ ● Valors atípics: són aquells valors que cauen fora dels rangs de la
distribució.
- Valors atípics menors (●): són els valors de les dades que estan entre
(frontera interior inferior) i (frontera exterior inferior) o entre
(frontera interior superior) i (frontera exterior superior).
- Valors atípics majors (○): són els valors de les dades que estan per
davall de (frontera exterior inferior) o per damunt de (frontera
exterior superior).
1.1.7 Mesures de concentració
Les mesures de concentració d’una distribució de freqüències tracten de posar
en relleu el major o menor grau d’igualtat en el repartiment del total dels
valors de la variable. Són, per tant, indicadors del grau d’equidistribució de la
variable.
Es denomina concentració la major o menor equitat en el repartiment de la
suma total de la variable considerada.
Per a mesurar el nivell de concentració en la distribució d’una variable
utilitzarem dos eines: una de gràfica (corba de Lorenz) i una altra d’analítica
(índex de Gini).
Índex de Gini
Per a calcular aquest índex, ens ajudarem d’una taula en la qual construirem
els valors que ens fan falta per a aplicar la fórmula de l'índex de Gini.
Columna amb els valors de la variable
Freqüència absoluta
Freqüència absoluta acumulada
Freqüència relativa acumulada
Producte que ens indicarà el total que correspon a cada interval
Columna que acumula els valors de la columna anterior
Columna anterior de forma percentual (o de tant per u)
Calcula la diferència entre les columnes i
22 Exercicis d’estadística i probabilitat
Amb els resultats obtinguts en la taula, aplicarem la fórmula de l’índex de
Gini, que és la següent:
L’índex de Gini va de 0 a 1. Quan és 0 significa que hi ha igualtat de
repartiment i quan és 1 significa que està tot concentrat en un únic individu.
Aleshores, això significa que quan ens done un valor pròxim a 0 direm que la
concentració és baixa i si ens dóna un valor pròxim a 1 direm que la
concentració és alta.
Corba de Lorenz
Per a dibuixar la corba de Lorenz gastarem la distribució utilitzada per a la
determinació de l'índex de Gini .
Els passos a seguir per a representar aquesta corba són:
- Representem els eixos cartesians
- Fem un quadrat els costats del qual estan dividits en una escala de l’1
al 100, de manera que en el vèrtex inferior esquerre està l’origen de
coordenades
- En l’eix d’abscisses representem i en el d'ordenades
- Tracem una diagonal dins del quadrat
- Representem els punts ( ), els quals unirem mitjançant una línia
poligonal anomenada corba de Lorenz
La corba necessàriament haurà de situar-se per davall de la diagonal, ja que els
valors de la variable analitzada sempre han d’estar ordenats de menor a major.
Per la mateixa raó la corba haurà de ser sempre creixent.
La corba que indica l'existència de concentració mínima o equidistribució
( ) coincideix amb la diagonal, ja que en cadascun dels punts d'aquesta
diagonal es verifica que = .
Com més gran siga la concentració de la variable major serà la separació que
presenta la corba respecte de la diagonal.
Exercicis d’estadística descriptiva 23
1.2 Exercicis resolts
1. En un test realitzat a un grup d’alumnes universitaris s’han recollit les
següents puntuacions:
101 102 112 113 92 91 106 104 100 95
104 98 96 117 89 99 114 100 98 104
93 92 99 90 108 116 93 109 105 91
a. Construeix la taula de freqüències apropiada amb intervals solapats i
d’igual amplitud aplicant-hi la fórmula de Sturges.
b. A partir de la taula anterior, digues el percentatge d’alumnes que tenen
una puntuació entre 103 i 110.
c. A partir de la taula anterior, digues el percentatge d’alumnes que tenen
una puntuació inferior a 100.
d. A partir de la taula anterior, digues el percentatge d’alumnes que tenen
una puntuació superior a 112.
e. Fes amb les dades de la taula anterior un histograma i un polígon de
freqüències absolutes.
f. Fes amb les dades de la taula anterior un histograma i un polígon de
freqüències acumulades.
g. Construeix un gràfic de tija i fulles apropiat i construeix a partir d’ell
la taula de freqüències.
Solució
a.
- Nombre de dades:
- Unitat de precisió:
-
-
- Formula de Sturges
-
- Calculem el rang final perquè hem hagut d’arredonir l’amplitud
24 Exercicis d’estadística i probabilitat
- Calculem :
- Calculem :
aleshores el primer interval és:
La resta d’intervals són:
- Fem la taula de freqüències:
b.
Mirant la taula que hem fet, podem observar que hi ha puntuacions
inferiors a , és a dir, el
Per a calcular quantes puntuacions són inferiors a interpolararem en
l’interval on es troba el valor , és a dir, en l’interval
26 x
23
108 110 113
Intervals Marca
classe
Exercicis d’estadística descriptiva 25
Aleshores, és el percentatge d’alumnes que tenen
una puntuació entre i .
c.
Per a calcular quantes puntuacions són inferiors a interpolarem en
l’interval on es troba el valor , és a dir, en l’interval
18 x
10
98 100 103
Aleshores, és el percentatge d’alumnes que tenen menys de punts.
d.
Per a calcular quantes puntuacions són superiors a interpolarem en
l’interval on es troba el valor , és a dir, en l’interval
26 x
23
108 112 113
El és el percentatge d’alumnes que hi ha per davall dels punts,
aleshores per a saber el percentatge d’alumnes que tenen una puntuació
superior als punts el que fem és restar aquest percentatge al
26 Exercicis d’estadística i probabilitat
El percentatge d’alumnes amb una puntuació superior a és del
e.
f.
0
1
2
3
4
5
6
7
8
9
[88,93[ [93,98[ [98,103[ [103,108[ [108,113[ [113,118[
Histograma i polígon de freqüències absolutes
0
1
2
3
4
5
6
7
8
9
[89,93[ [93,98[ [98,103[ [103,108[ [108,113[ [113,118[
Polígon de freqüències absolutes
Exercicis d’estadística descriptiva 27
g.
A partir d’aquest gràfic obtenim les següents classes:
Intervals
0
5
10
15
20
25
30
35
[89,93[ [93,98[ [98,103[ [103,108[ [108,113[ [113,118[
Histograma i polígon de freqüències acumulades
0
5
10
15
20
25
30
35
[89,93[ [93,98[ [98,103[ [103,108[ [108,113[ [113,118[
Polígon de freqüències acumulades
8 9 9 0 1 1 2 2 3 3 5 6 8 8 9 9
10 0 0 1 2 4 4 4 5 6 8 9 11 2 3 4 6 7
28 Exercicis d’estadística i probabilitat
Com la unitat de precisió d’aquestes dades és 1, sumarem i restarem a
cadascun dels intervals 0,5 i la taula de freqüències quedarà així:
Intervals
2. En la següent taula apareixen el nombre d’intervencions per dia dels
bombers d’Alacant en el mes de març de 2013:
Nombre d’intervencions Nombre de dies
10 8 9 4
a. Completa la taula de freqüències donada.
b. Fes amb les dades de la taula anterior un histograma de freqüències
absolutes.
c. Quants dies han fet 7 intervencions o més?
d. Quin percentatge de dies han fet menys de 3 intervencions?
Solució
a.
b.
Com els intervals no tenen la mateixa amplitud l’alçada de cada rectangle serà
la densitat de freqüència de l’interval corresponent, és a dir, el quocient entre
la freqüència absoluta de l’interval i la seua amplitud.
Intervals Marca
classe
10
6 8
9
4
Exercicis d’estadística descriptiva 29
c.
Mirant la taula que hem fet, podem observar que hi ha dies que han fet
menys de 7 intervencions, aleshores 13 dies han fet 7
intervencions o més.
d.
Per a calcular quants dies han fet menys de 3 intervencions interpolarem en
l’interval on es troba el valor , és a dir, en l’interval
10 x
0
0 3 5
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
[0,5[ [5,7[ [7,10[ [10,12[
Histograma amb intervals de diferent amplitud
Intervals
10 5
8
9
4
30 Exercicis d’estadística i probabilitat
Aleshores, és el percentatge de dies que fan menys de 3
intervencions.
3. En una empresa que es dedica a la fabricació de bolígrafs. Es fan paquets de
500 bolígrafs per a la seua distribució, però abans es passa un control de
qualitat consistent a comprovar si escriuen correctament una mostra de 20
bolígrafs. Si en la mostra que hem agafat trobem un bolígraf o cap que escriga
malament donem el paquet per bo; si en trobem 2 o 3 de defectuosos tornem a
revisar el paquet, i si n’hi trobem 4 o més de defectuosos rebutgem el paquet.
Hem revisat 15 paquets i ens donen els següent nombre de bolígrafs
defectuosos:
0 0 2 1 0 5 0 1 3 4 0 1 0 2 2
a) Construeix la taula de freqüències apropiada amb els resultats de la
revisió (bo, revisar i rebutjar)
b) Fes amb les dades de la taula de freqüències un diagrama de barres i
un diagrama de sectors.
Solució
a.
b.
0
1
2
3
4
5
6
7
8
9
10
Bo Revisar Rebutjar
Diagrama de barres
Resultats
Bo 9
Revisar 4
Rebutjar 2
15 1
Exercicis d’estadística descriptiva 31
Calculem els graus que els correspon a cada resultat:
4. El nombre d’habitants de 50 municipis d’una província espanyola es
distribueix de la manera següent:
a. Calcula el nombre mitjà d’habitants per municipi. Es representatiu?
b. Quin nombre d’habitants deixa per damunt seu el 50% de municipis?
c. Quin és nombre més comú d’habitants?
d. Quin és el percentatge de municipis comprès entre 3.000 i 9.000
habitants?
e. Quin és el nombre d’habitants que deixa per davall seu el 25% dels
municipis?
Diagrama de sectors
Bo
Revisar
Rebutjar
Nre. d’habitants Nre. de
municipis
32 Exercicis d’estadística i probabilitat
Solució
a.
Calculem la mitjana aritmètica:
El nombre mitjà d’habitants per municipi és de 3.230
Per a veure si la mitjana és representativa calculem el coeficient de variació de
Pearson.
Primer calculem la desviació típica:
Com que el valor del coeficient de variació de Pearson està molt allunyat de 0,
diem que el nombre mitjà d’habitants per municipi que ens ha eixit no és
representatiu.
b.
Per a contestar aquesta pregunta el que fem és calcular la mediana.
Posició aleshores la classe mediana és
Com l’interval té la freqüència absoluta acumulada igual a , aleshores la
mediana és el límit superior d’aquest interval, és a dir,
Nombre d’habitants Marca
classe
Nombre de
municipis
500
1.500
3.000
6.000
10.000
Nombre d’habitants Marca
classe
Nombre de
municipis
500 10 1.500 25 3.000 37 6.000 45 10.000 50
Exercicis d’estadística descriptiva 33
c.
Per a contestar aquesta pregunta el que fem és calcular la moda.
Com els intervals no tenen tots la mateixa amplitud el que fem és calcular la
densitat.
La classe modal és
El nombre més comú d’habitants és 1.375 persones.
d.
Per a calcular quants municipis tenen menys de habitants interpolarem
en l’interval on es troba el valor , és a dir, en l’interval
37 x
25
2.000 3.000 4.000
Nombre d’habitants Marca
classe
Nombre de
municipis
500 0.01 1.500 0.015 3.000 0.006 6.000 0.002 10.000 0.00125
Nombre d’habitants Marca
classe
Nombre de
municipis
500 10 1.500 25 3.000 37 6.000 45 10.000 50
34 Exercicis d’estadística i probabilitat
El dels municipis té menys de habitants
Per a calcular quants municipis tenen menys de habitants interpolarem
en l’interval on es troba el valor , és a dir, en l’interval
50 x
45
8.000 9.000 12.000
El 9 dels municipis té menys de habitants
Aleshores, és el percentatge de municipis que tenen
entre i habitants.
e. Per a respondre a aquesta pregunta el que fem és calcular el quartil 1.
Posició , aleshores la classe on està el és
El nombre d’habitants que deixa per davall seu el 25% dels municipis és de
habitants.
Nombre d’habitants Marca
classe
Nombre de
municipis
500 10 1.500 25 3.000 37 6.000 45 10.000 50
Exercicis d’estadística descriptiva 35
5. Les edats d’un grup de 40 alumnes de 1r de GAP són les següents:
18 20 19 19 25 19 20 18 35 40
21 23 19 18 22 26 19 20 18 18
58 23 35 36 28 25 18 19 20 21
40 22 18 42 45 19 19 20 19 22
a. Calcula els següents paràmetres: la mitjana aritmètica, la moda, el
rang, la variància, la desviació típica, el coeficient d’obertura, el rang
relatiu i el coeficient de variació de Pearson.
b. Fes el gràfic de caixa i bigots.
c. Construeix un gràfic de tija i fulles apropiat.
d. Construeix la taula de freqüències apropiada amb intervals solapats i
d’igual amplitud aplicant-hi la fórmula de Sturges.
A partir de la taula anterior calcula:
e. El percentatge d’alumnes que tenen una edat entre 23 i 27.
f. El percentatge d’alumnes que tenen una edat inferior a 24.
g. El percentatge d’alumnes que tenen una edat superior a 50.
h. A partir de quina edat està el 25% d’alumnes de major edat.
i. Fes un histograma i un polígon de freqüències absolutes.
j. Fes un histograma i un polígon de freqüències acumulades.
k. L’edat mitjana dels alumnes i digues si és representativa.
l. L’edat que divideix els alumnes en dos grups amb el mateix nombre
d’alumnes.
m. L’edat més habitual entre aquest grup d’alumnes.
Solució
a.
Primer per a facilitar els càlculs ordenarem les dades de menor a major:
18 18 18 18 18 18 18 19 19 19
19 19 19 19 19 19 20 20 20 20
20 21 21 22 22 22 23 23 25 25
26 28 35 35 36 40 40 42 45 58
36 Exercicis d’estadística i probabilitat
Calculem ara els paràmetres demanats:
b.
Calculem primer els valors que ens fan falta:
Valor adjacent inferior: 18
Valor adjacent superior: 35
Valors atípics: 36, 40, 40, 42, 45 i 58
Exercicis d’estadística descriptiva 37
A continuació fem el gràfic:
(2)
x x ●● ● ○
0 10 20 30 40 50 60 70
c.
Podem fer aquest:
1 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 2 0 0 0 0 0 1 1 2 2 2 3 3 5 5 6 8 3 5 5 6 4 0 0 2 5 5 8
o aquest altre:
1° 8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 2* 0 0 0 0 0 1 1 2 2 2 3 3 ° 5 5 6 8 3* ° 5 5 6 4* 0 0 2 ° 5 5* ° 5
d.
- Nombre de dades:
- Unitat de precisió:
-
-
- Formula de Sturges
-
- Calculem el rang final perquè hem hagut d’arredonir l’amplitud
38 Exercicis d’estadística i probabilitat
- Calculem :
- Calculem :
Aleshores el primer interval és:
La resta d’intervals són:
- Fem la taula de freqüències:
e.
Per a calcular quants alumnes tenen menys de anys interpolarem en
l’interval on es troba el valor , és a dir, en l’interval
28 x
0
17 23 24
El dels alumnes té menys de anys.
Intervals Marca
classe
28 28
Exercicis d’estadística descriptiva 39
Per a calcular quants alumnes tenen menys de anys interpolarem en
l’interval on es troba el valor , és a dir, en l’interval
32 x
28
24 27 31
El dels alumnes té menys de anys.
Aleshores, és el percentatge d’alumnes que tenen
entre i anys.
f.
Mirant la taula que hem fet, podem observar que el 70% dels alumnes té
menys de 24 anys.
g.
Per a calcular quants alumnes tenen més de 50 anys interpolarem en l’interval
on es troba el valor 50, és a dir, en l’interval
39 x
38
45 50 52
40 Exercicis d’estadística i probabilitat
El dels alumnes té menys de 50 anys, aleshores és el percentatge d’alumnes majors de 50 anys.
h.
Per a contestar aquesta pregunta el que fem és calcular el quartil 3.
Posició , aleshores la classe on està el és
A partir de 27,5 anys es troben el 25% d’alumnes de més edat.
i.
0
5
10
15
20
25
30
[17,24[ [24,31[ [31,38[ [38,45[ [45,52[ [52,59[
Histograma i polígon de freqüències absolutes
Intervals Marca
classe
28 28
Exercicis d’estadística descriptiva 41
j.
0
5
10
15
20
25
30
[17,24[ [24,31[ [31,38[ [38,45[ [45,52[ [52,59[
Polígon de freqüències absolutes
0
5
10
15
20
25
30
35
40
45
[17,24[ [24,31[ [31,38[ [38,45[ [45,52[ [52,59[
Histograma i polígon de freqüències acumulades
Intervals Marca
classe
28 28
42 Exercicis d’estadística i probabilitat
k.
Calculem la mitjana aritmètica:
L’edat mitjana dels alumnes és de 25,4 anys
Per a veure si la mitjana és representativa calculem el coeficient de variació de
Pearson.
Primer calculem la desviació típica:
Després calculem el coeficient de variació de Pearson.
Com el valor del coeficient de variació de Pearson està relativament prop de 0,
diem que l’edat mitjana dels alumnes que ens ha eixit és mitjanament
representativa.
0
5
10
15
20
25
30
35
40
45
50
[17,24[ [24,31[ [31,38[ [38,45[ [45,52[ [52,59[
Histograma i polígon de freqüències acumulades
Exercicis d’estadística descriptiva 43
l.
Per a contestar aquesta pregunta el que fem és calcular la mediana.
Posició aleshores la classe mediana és
L’edat que divideix els alumnes en dos grups amb el mateix nombre
d’alumnes és 22 anys.
m.
Per a contestar aquesta pregunta el que fem és calcular la moda.
Com que tots els intervals tenen la mateixa amplitud, farem el següent:
La classe modal és
L’edat més habitual entre aquest grup d’alumnes és 24 anys.
Intervals Marca
classe
28 28
44 Exercicis d’estadística i probabilitat
6. En dos pobles de la província de Castelló la superfície de les parcel·les que
es dedica al cultiu de la taronja i el nombre de propietaris d’aquestes ve
distribuïda segons les taules següents:
Poble A Poble B
a. Compara la concentració de les parcel·les dels dos pobles i indica en
quin poble la terra està més repartida.
b. Calcula la mitjana de fanecades que té cada propietari en aquests
pobles. En quin dels dos pobles hi ha menys variabilitat?
c. Representa la corba de Lorenz de les dades de les dos taules.
Solució
a.
Anem a calcular l’índex de Gini dels dos pobles.
Poble A
Fanecades Nombre de propietaris
14 24 32 18 12 6 4
Fanecades Nombre de propietaris
20 26 30 14 22 5 3
Fanecades
5 14 14 0,1273 70 70 0,0136 0,1137 15 24 38 0,3455 360 430 0,0835 0,262 25 32 70 0,6363 800 1.230 0,2388 0,3975 40 18 88 0,8 720 1.950 0,3786 0,4214 75 12 100 0,909 900 2.850 0,5534 0,3556 150 6 106 0,9336 900 3.750 0,7282 0,2054 350 4 110 1 1.400 5.150 1 -
110 5.150
Exercicis d’estadística descriptiva 45
Poble B
Comparant els índexs de Gini dels dos pobles podem dir que la terra està més
repartida en el poble B, perquè
b.
Calculem la mitjana aritmètica del poble A:
Poble A
La mitjana de fanecades que té cada propietari és de
Fanecades 5 20 20 0,1667 100 100 0,0176 0,1491 15 26 46 0,3833 390 490 0,0863 0,2971 30 30 76 0,6333 900 1.390 0,2447 0,3885 55 14 90 0,75 770 2.160 0,3803 0,3697 85 22 112 0,9333 1.870 4.030 0,7095 0,2238 150 5 117 0,975 750 4.780 0,8415 0,1335 300 3 120 1 900 5.680 1 -
120 5.680
Fanecades 5 14 15 24 25 32 40 18 75 12 150 6 350 4
110
46 Exercicis d’estadística i probabilitat
Calculem la mitjana aritmètica del poble B:
Poble B
La mitjana de fanecades que té cada propietari és de
Per a veure en quin dels dos pobles hi ha menys variabilitat en el nombre de
fanecades per propietari calculem el coeficient de variació de Pearson.
Primer calculem la desviació típica del poble A:
Ara calculem la desviació típica del poble B:
Com el valor del coeficient de variació de Pearson és menor en el poble B,
direm que hi ha menys variabilitat en aquest poble, encara que com el
coeficient de variació de Pearson és tan gran en els dos pobles, les mitjanes no
són representatives.
Fanecades 5 20 15 26 30 30 55 14 85 22 150 5 300 3
120
Exercicis d’estadística descriptiva 47
c.
Calculem primer la corba de Lorenz del poble A.
Poble A
Calculem ara la corba de Lorenz del poble B.
Poble B
0
0,2
0,4
0,6
0,8
1
1,2
0 0,5 1 1,5
pi
Fanecades
5 14 14 0,1273 70 70 0,0136 0,1137 15 24 38 0,3455 360 430 0,0835 0,262 25 32 70 0,6363 800 1.230 0,2388 0,3975 40 18 88 0,8 720 1.950 0,3786 0,4214 75 12 100 0,909 900 2.850 0,5534 0,3556 150 6 106 0,9336 900 3.750 0,7282 0,2054 350 4 110 1 1.400 5.150 1 -
110 5.150
Fanecades 5 20 20 0,1667 100 100 0,0176 0,1491 15 26 46 0,3833 390 490 0,0863 0,2971 30 30 76 0,6333 900 1.390 0,2447 0,3885 55 14 90 0,75 770 2.160 0,3803 0,3697 85 22 112 0,9333 1.870 4.030 0,7095 0,2238 150 5 117 0,975 750 4.780 0,8415 0,1335 300 3 120 1 900 5.680 1 -
120 5.680
48 Exercicis d’estadística i probabilitat
7. La distribució d’habitants (en milions) per comunitat autònoma en Espanya
l’any 2012 ve donada segons la taula següent:
Nombre d’habitants Nombre de comunitats
5 5 5 1 3
a. Calcula la mitjana d’habitants per comunitat. És representativa aquesta
mitjana?
b. Quin és el nombre d’habitants per comunitat autònoma més habitual?
c. Entre quins valors, de forma centralitzada, es troba el 50% de les
comunitats autònomes?
d. Quin nombre d’habitants divideix en dos grups iguals les comunitats
autònomes?
e. Quin percentatge de comunitats autònomes té més de 4 milions
d’habitants?
f. Estudia la concentració d’habitants a Espanya per comunitats
autònomes.
g. Si augmentara a Espanya la població en 50.000 habitants en totes les
comunitats autònomes, com es veuria afectada la seua mitjana?
Continuaria tenint la mateixa representativitat?
0
0,2
0,4
0,6
0,8
1
1,2
0 0,5 1 1,5
pi
Exercicis d’estadística descriptiva 49
h. Si augmentara en Espanya la població un 2% en totes les comunitats
autònomes, com es veuria afectada la seua mitjana? Continuaria tenint
la mateixa representativitat?
Solució
a.
Calculem la mitjana aritmètica:
Nombre d’habitants 0,5 5 1,5 5 2,5 5 4,5 1 7,5 3
19
La mitjana d’habitants per comunitat és de milions d’habitants.
Per a veure si la mitjana és representativa calculem el coeficient de variació de
Pearson.
Primer calculem la desviació típica:
Com que el valor del coeficient de variació de Pearson està molt allunyat de 0,
diem que el nombre mitjà d’habitants per comunitat que ens ha eixit no és
representatiu.
b.
Per a respondre a aquesta pregunta el que fem és calcular la moda.
Com que els intervals no tenen tots la mateixa amplitud el que fem és calcular
la densitat.
Nombre d’habitants 0,5 5 5 1,5 5 5 2,5 5 5 4,5 1 0,33 7,5 3 1
19
50 Exercicis d’estadística i probabilitat
Com que hi ha tres intervals amb la mateixa densitat tindrem tres modes, on
les seues classes modals són: i
Calculem ara les tres modes:
Els nombres més comuns d’habitants per comunitat autònoma són 1, 1,5 i s ’h b t ts.
c.
Per a calcular entre quins valors, de forma centralitzada, es troba el 50% de les
comunitats autònomes, el que fem és calcular el primer i tercer quartil.
Posició , aleshores la classe on està el és
Posició , aleshores la classe on està el és
El 50% de les comunitats autònomes, de forma centralitzada, es troba entre
0,95 i 2,85 milions d’habitants.
Nombre d’habitants
0,5 5 5 1,5 5 10 2,5 5 15 4,5 1 16 7,5 3 19
19
Exercicis d’estadística descriptiva 51
d.
Per a contestar aquesta pregunta el que fem és calcular la mediana.
Posició aleshores la classe mediana és
El nombre d’habitants que divideix en dos grups iguals les comunitats
autònomes és 17,9 milions d’habitants.
e.
Per a calcular quantes comunitats autònomes tenen més de 4 milions
d’habitants interpolarem en l’interval on es troba el valor 4, és a dir, en
l’interval
16 x
15
3 4 6
El de les comunitats autònomes tenen menys de 4 milions d’habitants,
aleshores és el percentatge de comunitats
autònomes que tenen més de 4 milions d’habitants.
Nombre d’habitants
0,5 5 5 1,5 5 10 2,5 5 15 4,5 1 16 7,5 3 19
19
52 Exercicis d’estadística i probabilitat
f.
Per a estudiar la concentració d’habitants en Espanya per comunitats
autònomes calcularem l’índex de Gini.
Com l’índex de Gini no dóna un valor pròxim a 1, ni un valor pròxim a 0, no
podem dir ni que està concentrat ni que està repartit el nombre d’habitants per
comunitat autònoma a Espanya.
g.
Si és la variable nombre d’habitants, si augmentem en totes les comunitats
50.000 habitants (0,05 milions d’habitants), definim la variable com:
Aplicant-hi les propietats de la mitjana aritmètica tenim que:
Aplicant-hi les propietats de la desviació típica tenim que:
Aleshores:
h.
Si és la variable nombre d’habitants, si augmentem en totes les comunitats
un 2% el nombre d’habitants, definim la variable Z com:
Nombre
d’habitants
0,5 5 5 0,2632 2,5 2,5 0,0505 0,2127 1,5 5 10 0,5263 7,5 10 0,202 0,3243 2,5 5 15 0,7895 12,5 22,5 0,4545 0,335 4,5 1 16 0,8421 4,5 27 0,5454 0,2966 7,5 3 19 1 22,5 49,5 1 -
19 49,5
Exercicis d’estadística descriptiva 53
Aplicant-hi les propietats de la mitjana aritmètica tenim que:
Aplicant-hi les propietats de la desviació típica tenim que:
Aleshores:
1.3 Exercicis proposats
1. En un estudi en un hospital d’Alacant sobre les mesures, en centímetres,
del perímetre cranial dels xiquets en el moment de nàixer, es van recollir en un
mes les dades següents:
35,2 34,3 34,2 34,5 35,8 35,5 33,1 34,6
34,2 36,1 34,2 35,6 33,7 36 34,7 35,6
34,3 34,2 33,4 35,9 33,8 33,6 35,2 34,6
a. Construeix un diagrama de tija i fulles.
b. A partir del diagrama de tija i fulles construeix la taula de freqüències.
c. Fes amb les dades de la taula anterior un histograma i un polígon de
freqüències absolutes.
d. Fes amb les dades de la taula anterior un histograma i un polígon de
freqüències acumulades.
e. Quina és la mesura del perímetre cranial superat només pel 20% dels
xiquets?
f. Ara, construeix la taula de freqüències apropiada amb intervals
solapats i d’igual amplitud aplicant-hi la fórmula de Sturges
d’aquestes dades i fes amb aquesta taula els apartats c i d d’aquest
exercici de nou.
Solució
e. El perímetre cranial és de 35,89 centímetres
f. El perímetre cranial és de 35,704 centímetres
54 Exercicis d’estadística i probabilitat
2. L’edat de les persones que viuen en un bloc de pisos d’una ciutat són les
següents:
a. Calcula l’edat mitjana de les persones que viuen en aquest bloc de
pisos i digues si és representativa.
b. Quina és l’edat més comuna entre els habitants d’aquest edifici?
c. A partir de quina edat un veí d’aquest edifici es pot considerar que està
entre els 26 veïns més vells?
d. Fes amb les dades de la taula anterior un histograma i un polígon de
freqüències absolutes.
e. Fes amb les dades de la taula anterior un histograma i un polígon de
freqüències acumulades.
Solució
a. L’edat mitjana és de 29 anys i la representativitat 0,3569
b. L’edat més comuna és 30,9091 anys
c. A partir de 37 anys d’edat
3. La taula següent expressa el salari anual dels treballadors d’una empresa en
milers d’euros:
Salari
(en milers d’euros)
Nombre de
treballadors
5 7 4 2
a. Calcula el valor mitjà dels salaris i digues si aquest valor és
representatiu.
b. Quin salari deixa per damunt seu el 50% dels salaris?
c. A partir de quin salari es troben els 5 treballadors que més cobren?
Edat Nombre de
persones
90
Exercicis d’estadística descriptiva 55
d. Quin percentatge de treballadors guanya més de 28.000 euros?
Solució
a. El salari mitjà és de 21.786 euros i la representativitat 0,2671
b. El salari que deixa per damunt seu el 50% dels salaris és de 21.786
euros
c. A partir de 26.250 euros
d. Un percentatge del 17,14%
4. A un grup de 20 estudiants de la Universitat d’Alacant se’ls passa un test
sobre el nivell d’anglès que tenen. El test puntua de 0 a 36 punts i aquests són
els resultats que es van obtindre:
23 23 32 15 30 31 24 24 20 30
20 32 25 22 33 30 10 29 31 32
Fes un diagrama de caixa i bigots amb aquestes dades.
Solució
Valor adjacent inferior: 10
Valor adjacent superior: 33
Valors atípics: no hi ha cap.
5. Dos empreses de sectors productius diferents tenen 100 treballadors
cadascuna. En la taula següent veiem les distribucions dels salaris mensuals
dels treballadors en euros:
Empresa A Empresa B
Salari Nombre de
treballadors
Salari Nombre de
treballadors
20 10 10 30
10 35 10 24 50 1
56 Exercicis d’estadística i probabilitat
a. Digues quina de les dos empreses té una major concentració en els
salaris.
b. Representa la corba de Lorenz de les dos empreses.
Solució
Empresa A: 0,778
Empresa B: 0,125
6. El nivell de triglicèrids, mesurat en mg/dL, en 20 pacients d’un ambulatori
és el següent:
88,4 93,1 88,6 139,5 142,6 89,8 136,2 114,4
93,1 142,4 93 92,2 86,4 151,8 136 91,3
140 154,3 138,2 78,5
a. Construeix un diagrama de tija i fulles.
b. A partir del diagrama de tija i fulles construeix la taula de freqüències.
c. Construeix la taula de freqüències apropiada amb intervals solapats i
d’igual amplitud aplicant-hi la fórmula de Sturges d’aquestes dades.
7. En dos barris diferents d’una ciutat es prenen les mesures, en metres
quadrats, de 72 vivendes i recollim les dades següents:
Barri A Barri B
m2
Nombre de vivendes m2 Nombre de vivendes
10 5 15 20 20 20 15 27 12
a. En quin dels dos barris la mitjana de la mesura de les vivendes és més
representativa? Per què?
b. Quina mesura de les vivendes, en m2, marca el 40% de les vivendes
més grans del barri A?
c. Quina és la mesura de la vivenda dels barri A que deixa per damunt
seu el 50% del total de les vivendes?
d. Quin percentatge de vivendes del barri A tenen més de 140 m2?
Exercicis d’estadística descriptiva 57
Solució
a. Barri A: la mitjana de les vivendes és de 131,1 m2, i la seua
representativitat és 0,2.
Barri B: la mitjana de les vivendes és de 94,6 m2, i la seua
representativitat és 0,1.
b. La mesura de la vivenda és de 138,2 m2.
c. La mesura de la vivenda és de 131 m2.
d. El percentatge és del 62,5%
59
2 Exercicis de probabilitat
Abans de començar la resolució d’exercicis recordarem les definicions
bàsiques i les fórmules que utilitzarem per a resoldre els exercicis.
2.1 Conceptes i fórmules bàsiques
2.1.1 Definicions
- Un experiment aleatori serà qualsevol experiment realitzat sobre un
fenomen estocàstic. Tots els experiments aleatoris tenen les característiques
següents:
Si els repetim de manera indefinida i en igualtat de condicions, poden
presentar resultats diferents en cada experiment en particular.
No puc fer la predicció del resultat de l’experiment abans de fer-lo.
Es coneixen sense ambigüitats els possibles resultats de l’experiment.
- Anomenem espai mostral el conjunt de tots els possibles resultats d’un
experiment aleatori. El denotarem per .
- Anomenem succés qualsevol subconjunt de l’espai mostral, és a dir,
qualsevol esdeveniment que puga ocórrer en fer l’experiment.
- Definim parts de l’espai mostral ( ) com el conjunt format pels possibles subconjunts que es poden formar amb els elements de l’espai
mostral.
- Succés elemental: és el format per un únic element de l’espai mostral.
- Succés compost: és el format per més d’un element de l’espai mostral.
- Succés impossible ( ): és el succés que no té cap element de l’espai mostral.
- Succés segur: és el format per tots els elements de l’espai mostral, és a dir, el
succés segur és .
- Direm que un succés ocorre quan el resultat de l’experiment és un dels
elements que formen , és a dir, conté el resultat.
60 Exercicis d’estadística i probabilitat
- Dos successos i són diferents ( ) si es possible trobar un resultat
de l’experiment per al qual un dels successos ocorre i l’altre no.
- Dos successos i són iguals ( ) si sempre que ocorre un d’ells,
l’altre també ocorre.
- Succés contrari o complementari ( ): és el succés format per tots els
elements de l’espai mostral que no estan en .
Es compleixen les relacions següents:
El succés contrari del succés cert és el succés impossible
El succés contrari del succés impossible és el succés cert
El contrari del contrari d’un succés és
- Direm que dos successos i són incompatibles, mútuament excloents o
disjunts si no poden ocórrer els dos alhora, és a dir, no tenen cap element en
comú.
Si dos successos són complementaris són també incompatibles, però si dos
successos són incompatibles no tenen per què ser complementaris.
- Direm que un succés està inclòs en un succés B ( ) si sempre que
ocorre també ocorre .
Donats els successos , i d’un espai mostral , es compleixen les
relacions següents:
, per a qualsevol succés
Si i , aleshores
Si aleshores
Si i aleshores
- Unió ( ): és el succés format pels elements d’ o de o dels dos.
- Intersecció ( ): és el succés format pels elements que pertanyen a i
a la vegada.
- Diferència ( ): és el succés format pels elements d’ que no estan en .
Exercicis de probabilitat 61
Propietats:
Donats tres successos , i d’un espai mostral es compleix que:
1)
2)
3)
4)
5) Si , Si ,
6) Commutativa:
7) Associativa:
8) Distributiva:
9) Lleis de De Morgan:
- Sistema complet de successos
Diem que els successos formen un sistema complet de
successos per un determinat experiment aleatori, si es compleix que:
a)
b) són incompatibles dos a dos, és a dir,
2.1.2 Concepte de probabilitat
S’anomena probabilitat una funció que associa a cada succés , de l’espai de
successos, un nombre real que anomenem probabilitat de i denotem per
, que compleix els axiomes següents:
1) La probabilitat d’un succés qualsevol de l’espai de successos és
positiva o nul·la, és a dir,
2) La probabilitat del succés segur és igual a la unitat, és a dir,
3) La probabilitat de la unió d’infinits successos incompatibles és igual a
la suma de les probabilitats de cadascun d’ells, és a dir,
62 Exercicis d’estadística i probabilitat
Vegem algunes de les conseqüències més importants d’aquesta definició:
1. Si és una col·lecció finita de successos i ,
, aleshores:
Nota: en el cas de dos successos i incompatibles, serà:
2. Si i són dos successos compatibles es compleix que la unió de i
és igual a la suma de les probabilitats de cadascun d’ells, menys la
probabilitat de la intersecció de i , és a dir,
3. La probabilitat del succés contrari, , és igual a la unitat menys la
probabilitat del succés , és a dir,
Nota: com i són incompatibles:
4. La probabilitat d’un succés és menor o igual que la unitat, és a dir,
5. La probabilitat del succés impossible és igual a zero, és a dir,
6. Si és un succés que està contingut en un succés , aleshores la
probabilitat de serà menor o igual que la probabilitat de , és a dir,
7. Com
per tant:
2.1.3 Probabilitat condicionada
Si i són dos successos associats a un mateix experiment aleatori, es
defineix la probabilitat condicionada del succés al succés (ho denotarem
Exercicis de probabilitat 63
per ) a la probabilitat que ocórrega el succés sabent que ha ocorregut
el succés i ho calcularem de la manera següent:
Per a qualsevol succés tal que , és una probabilitat que
compleix els axiomes de Kolmogorov, aleshores podem aplicar a la
probabilitat condicionada totes les propietats derivades d’aquesta definició
axiomàtica.
A partir de la fórmula anterior deduïm que:
o també,
2.1.4 Dependència i independència de successos
Dos successos i són independents quan l’ocurrència de qualsevol d’ells no
influeix en l’ocurrència de l’altre, és a dir, dos successos són independents
quan es compleix qualsevol d’aquestes relacions:
A partir de la definició de probabilitat condicionada i de la definició de
successos independents podem dir que es compleix que:
Dos successos i són independents
2.1.5 Probabilitat composta
Siguen n successos qualssevol d’un mateix experiment aleatori i
que compleixen que la probabilitat de la realització simultània dels n successos
no és nul·la ( ), aleshores es compleix que:
si són dependents.
Nota: Si són independents aleshores serà:
64 Exercicis d’estadística i probabilitat
2.1.6 Probabilitat total
Si els successos formen un sistema complet de successos per
un determinat experiment aleatori ( i ) i
, aleshores qualsevol que siga el succés tenim que:
2.1.7 Teorema de Bayes
Si els successos formen un sistema complet de successos per
un determinat experiment aleatori ( i ) i
, aleshores qualsevol que siga el succés tenim que:
2.1.8 Diagrama en arbre
Un diagrama d’arbre és una representació gràfica dels possibles resultats d’un
experiment aleatori, el qual consta d’una sèrie de passos, on cadascun dels
passos té un nombre finit de resultats possibles.
Per a la construcció d’un diagrama en arbre es partirà posant una branca per a
cadascuna de les possibilitats, acompanyada de la seua probabilitat. Cadascuna
d’aquestes branques es coneix com branca de primera generació. En el final de
cada branca de primera generació es constitueix, al seu torn, un nuc del qual
parteixen noves branques conegudes com branques de segona generació,
segons les possibilitats del següent pas, excepte si el nuc representa un
possible final de l’experiment (nuc final). Cal tenir en compte que la suma de
probabilitats de les branques de cada nuc ha de donar 1.
Hi ha un senzill principi dels diagrames d’arbre que fa que aquests siguen molt
més útils per als càlculs ràpids de probabilitat: multipliquem les probabilitats si
es tracta de branques adjacents (contigües) o bé les anem sumant si es tracta de
branques separades que emergeixen d’un mateix punt.
Exercicis de probabilitat 65
2.2 Distribucions de probabilitat discretes i continues. Definicions.
- Anomenem variable aleatòria tota funció que associa a cada element de
l'espai mostral, , un nombre real.
- Anomenem rang de la variable aleatòria el conjunt de valors que pot prendre
la variable.
- Una variable aleatòria discreta és aquella que només pot prendre valors
enters.
- Una variable aleatòria contínua és aquella que pot prendre tots els valors
possibles dins d’un cert interval de la recta real.
- S’anomena funció de probabilitat d’una variable aleatòria discreta la
funció que associa a cada valor de la variable la seua probabilitat .
Propietats:
1.
2.
- Anomenem funció de distribució de la variable aleatòria discreta , que
escriurem , la funció que associa a cada valor de la variable aleatòria la
probabilitat acumulada fins a aquell valor:
Propietats:
1.
2.
3. és monòtona i no decreixent, és a dir, si
4.
- L’esperança matemàtica o mitjana d’una variable aleatòria discreta és el
valor mitjà teòric, on la probabilitat de cada valor del rang pot ser interpretada
com la freqüència relativa del valor. Aleshores, l’esperança es defineix com la
suma dels productes entre els valors de la variable i les seues respectives
probabilitats.
Denotem l’esperança matemàtica pels símbols i .
66 Exercicis d’estadística i probabilitat
Propietats:
1. L’esperança de la suma és igual a la suma de les esperances.
2. L’esperança d’una constant és igual a aquesta mateixa constant.
3. L’esperança d’una constant per una variable és igual a aquesta
constant per l'esperança d’aquesta variable.
- La variància d’una variable aleatòria discreta , o , es defineix
com l’esperança del quadrat de la variable menys la seua esperança, és a dir:
Desenvolupant aquest quadrat, tenim:
Igual que fèiem en l’estadística descriptiva, podem definir la desviació típica
d’una variable aleatòria discreta com l’arrel quadrada positiva de la
variància:
Propietats:
1. La variància d’una constant és igual a zero.
2. La variància d’una variable més una constant és igual a la variància
d’aquesta variable.
3. La variància d’una constant per una variable és igual a aquesta
constant al quadrat per la variància d’aquesta variable.
Exercicis de probabilitat 67
- La funció de densitat d’una variable aleatòria contínua es defineix com
una funció integrable, que verifica les dues propietats següents:
1.
2.
i que a més verifica que:
donat , tenim que
, és a dir, que la
probabilitat d’un interval és l’àrea que existeix entre la funció i l’eix
d’abscisses.
- Podem calcular també, de forma anàloga, la funció de distribució,
l’esperança i la variància d’una variable aleatòria contínua, però aquests
càlculs excedeixen el contingut d’aquesta assignatura.
2.3 Distribució binomial
Suposem un experiment aleatori que té les característiques següents:
1. L’experiment consta de proves idèntiques.
2. Cada prova de l’experiment solament té dos possibles resultats: el
succés E (èxit) i el succés contrari F (fracàs).
3. La probabilitat de tenir èxit en una prova és igual a , que és constant
de prova en prova. La probabilitat de fracàs és igual a .
4. El resultat que obtenim en cada prova és independent dels resultats de
les proves fetes anteriorment.
Definim la variable aleatòria com el nombre d’èxits observats en les
proves. Aleshores, direm que segueix una distribució binomial de
paràmetres (nombre de proves que té l’experiment) i (probabilitat d’èxit).
Ho representarem de la manera següent:
La variable binomial és una variable aleatòria discreta, només pot prendre
valors enters (0, 1, 2, 3 ...).
68 Exercicis d’estadística i probabilitat
2.3.1 Funció de probabilitat, funció de distribució, esperança i variància d’una distribució binomial
- La funció de probabilitat de la distribució binomial és:
on és el nombre de proves, és el nombre d'èxits, és la probabilitat d'èxit,
és la probabilitat de fracàs, i el nombre combinatori es calcula així:
Nota: Càlcul del nombre combinatori.
on
- La funció de distribució de la distribució binomial és:
- L’esperança de la distribució binomial és:
- La variància de la distribució binomial és:
- La desviació típica de la distribució binomial és:
Exercicis de probabilitat 69
2.3.2 Taula de la distribució binomial
Per a certs valors, la distribució binomial es troba tabulada, per la qual cosa,
podem calcular de forma ràpida les probabilitats d’aquests.
Per a poder utilitzar la taula hem de saber quant val (nombre de vegades que
es fa l’experiment), (probabilitat d’èxit) i (nombre d’èxits).
En la taula següent apareixen el valors de les probabilitats de tipus .
0,10 0,1,5 0,20 0,25 0,30 0,35 0,40 0,45 0,50
1 0 ,9000 ,8500 ,8000 ,7500 ,7000 ,6500 ,6000 ,5500 ,5000
1 1 1 1 1 1 1 1 1 1
2 0 ,8100 ,7225 ,6400 ,5625 ,4900 ,4225 ,3600 ,3025 ,2500
1 ,9900 ,9775 ,9600 ,9375 ,9100 ,8775 ,8400 ,7975 ,7500
2 1 1 1 1 1 1 1 1 1
3 0 ,7290 ,6141 ,5120 ,4219 ,3430 ,2746 ,2160 ,1664 ,1250
1 ,9720 ,9393 ,8960 ,8438 ,7840 ,7183 ,6480 ,5747 ,5000
2 ,9990 ,9966 ,9920 ,9844 ,9730 .9571 ,9360 ,9089 ,8750
3 1 1 1 1 1 1 1 1 1
4 0 ,6561 ,5220 ,4096 ,3164 ,2401 ,1785 ,1296 ,0915 ,0625
1 ,9477 ,8905 ,8192 ,7383 ,6517 ,5630 ,4752 ,3910 ,3125
2 ,9963 ,9880 ,9728 ,9492 ,9163 ,8735 ,8208 ,7585 ,6875
3 ,9999 ,9995 ,9984 ,9961 ,9919 ,9850 ,9744 ,9590 ,9375
4 1 1 1 1 1 1 1 1 1
5 0 ,5905 ,4437 ,3277 ,2373 ,1681 ,1160 ,0778 ,0503 ,0313
1 ,9185 ,8352 ,7373 ,6328 ,5282 ,4284 ,3370 ,2562 ,1875
2 ,9914 ,9734 ,9421 ,8965 ,8369 ,7648 ,6826 ,5931 ,5000
3 ,9995 ,9978 ,9933 ,9844 ,9692 ,9460 ,9130 ,8688 ,8125
4 1 ,9999 ,9997 ,9990 ,9976 ,9947 ,9898 ,9815 ,9688
5 1 1 1 1 1 1 1 1 1
6 0 ,5314 ,3771 ,2621 ,1780 ,1176 ,0754 ,0467 ,0277 ,0156
1 ,8857 ,7765 ,6554 ,5339 ,4202 ,3191 ,2333 ,1636 ,1094
2 ,9842 ,9527 ,9011 ,8306 ,7443 ,6471 ,5443 ,4415 ,3428
3 ,9987 ,9941 ,9830 ,9624 ,9295 ,8826 .8208 ,7447 ,6562
4 ,9999 ,9996 ,9984 ,9954 ,9891 ,9777 ,9590 ,9308 ,8906
5 1 1 ,9999 ,9998 ,9993 ,9982 ,9959 ,9917 ,9844
6 1 1 1 1 1 1 1 1 1
7 0 ,4783 ,3206 ,2097 ,1335 ,0824 ,0490 ,0280 ,0152 ,0078
1 ,8503 ,7166 ,5767 ,4449 ,3294 ,2338 ,1586 ,1024 ,0625
2 ,9743 ,9262 ,8520 ,7564 ,6471 ,5323 ,4199 ,3164 ,2266
3 ,9973 ,9879 ,9667 ,9294 ,8740 ,8002 ,7102 ,6083 ,5000
4 ,9998 ,9988 ,9953 ,9871 ,9712 ,9444 ,9037 ,8471 ,7734
5 1 ,9999 ,9996 ,9987 ,9962 ,9910 ,9812 ,9643 ,9375
6 1 1 1 ,9999 ,9998 ,9994 ,9984 ,9963 ,9922
7 1 1 1 1 1 1 1 1 1
8 0 ,4305 ,2725 ,1678 ,1001 ,0577 ,0319 ,0168 ,0084 ,0039
1 ,8131 ,6572 ,5033 ,3671 ,2553 ,1691 ,1064 ,0632 ,0352
2 ,9619 ,8948 ,7969 ,6785 ,5518 ,4278 ,3154 ,2201 ,1445
3 ,9950 ,9786 ,9437 ,8862 ,8059 ,7064 ,5941 ,4770 ,3633
4 ,9996 ,9971 ,9896 ,9727 ,9420 ,8939 ,8263 ,7396 ,6367
5 1 ,9998 ,9988 ,9958 ,9887 ,9747 ,9502 ,9115 ,8555
6 1 1 ,9999 ,9996 ,9987 ,9964 ,9915 ,9819 ,9648
7 1 1 1 1 ,9999 ,9998 ,9993 ,9983 .9961
8 1 1 1 1 1 1 1 1 1
70 Exercicis d’estadística i probabilitat
0,10 0,15 0,20 0,25 0,30 0,35 0,40 0,45 0,50
9 0 ,3874 ,2361 ,1342 ,0751 ,0404 ,0207 ,0101 ,0046 ,0020
1 ,7748 ,5995 ,4362 ,3003 ,1960 ,1211 ,0705 ,0385 ,0195
2 ,9470 ,8591 ,7382 ,6007 ,4628 ,3373 ,2318 ,1495 ,0898
3 ,9917 ,9661 ,9144 ,8343 ,7297 ,6089 ,4826 ,3614 ,2539
4 ,9991 ,9944 ,9804 ,9511 ,9012 ,8283 ,7334 ,6214 ,5000
5 ,9999 ,9994 ,9969 ,9900 ,9747 ,9464 ,9006 ,8342 ,7461
6 1 1 ,9997 ,9987 ,9957 ,9888 ,9750 ,9502 ,9102
8 1 1 1 ,9999 ,9996 ,9986 ,9962 ,9909 ,9805
9 1 1 1 1 1 1 1 1 1
10 0 ,3487 ,1969 ,1074 ,0563 ,0283 ,0135 ,0060 ,0025 ,0010
1 ,7361 ,5443 ,3758 ,2440 ,1493 ,0860 ,0464 ,0233 ,0107
2 ,9298 ,8202 ,6778 ,5256 ,3828 ,2616 ,1673 ,0996 ,0547
3 ,9872 ,9500 ,8791 ,7759 ,6496 ,5138 ,3823 ,2660 ,1719
4 ,9984 ,9901 ,9672 ,9219 ,8497 ,7515 ,6331 ,5040 ,3770
5 ,9999 ,9986 ,9936 ,9803 ,9527 ,9051 ,8338 ,7384 ,6230
6 1 ,9999 ,9991 ,9965 ,9894 ,9740 ,9452 ,8980 ,8281
7 1 1 ,9999 ,9996 ,9984 ,9952 ,9877 ,9726 ,9453
8 1 1 1 1 ,9999 ,9995 ,9983 ,9955 ,9893
9 1 1 1 1 1 1 ,9999 .9997 ,9990
10 1 1 1 1 1 1 1 1 1
15 0 ,2059 ,0874 .0352 ,0134 ,0047 ,0016 ,0005 ,0001 ,0000
1 ,5490 ,3186 ,1671 ,0802 ,0353 ,0142 ,0052 ,0017 ,0005
2 ,8159 ,6042 ,3980 ,2361 ,1268 ,0617 ,0271 ,0107 ,0037
3 ,9444 ,8227 ,6482 ,4613 ,2969 ,1727 ,0905 ,0424 ,0176
4 ,9873 ,9383 ,8358 ,6865 ,5155 ,3519 ,2173 ,1204 ,0592
5 ,9978 ,9832 ,9389 ,8516 ,7216 ,5643 ,4032 ,2608 ,1509
6 ,9997 ,9964 ,9819 ,9434 ,8689 ,7548 ,6098 ,4522 ,3036
7 1 ,9994 ,9958 ,9827 ,9500 ,8868 ,7869 ,6535 ,5000
8 1 ,9999 ,9992 ,9958 ,9848 ,9578 ,9050 ,8182 ,6964
9 1 1 ,9999 ,9992 ,9963 ,9876 ,9662 ,9231 ,8491
10 1 1 1 ,9999 ,9993 ,9972 ,9907 ,9745 ,9408
11 1 1 1 1 ,9999 ,9995 ,9981 ,9937 ,9824
12 1 1 1 1 1 ,9999 ,9997 ,9989 ,9963
13 1 1 1 1 1 1 1 ,9999 ,9995
14 1 1 1 1 1 1 1 1 1
15 1 1 1 1 1 1 1 1 1
La distribució binomial no està tabulada per a valors de > 0,5, ja que si passa
això només hem de canviar la probabilitat de l’èxit per la de fracàs i definir la
binomial contraria.
Exercicis de probabilitat 71
2.4 Distribució normal
Una variable aleatòria contínua segueix una distribució normal de mitjana
i desviació típica , és a dir, si la seua funció de densitat és:
2.4.1 Representació i característiques
La representació de la corba és:
Algunes característiques d’aquesta corba són:
- Camp d’existència: és tota la recta real, és a dir,
- Simetries: és simètrica respecte a la mitjana
- Punts de tall amb els eixos:
Amb l’eix OX no té punts de tall
Amb l’eix OY, per a
- Creixement i decreixement: creix fins la mitjana i decreix a partir
d’aquesta
- Màxims i mínims: té un màxim en i no té mínim
- Punts d’inflexió: té dos punts d’inflexió en i en
- Asímptotes: l’eix OX és una asímptota horitzontal de la corba
- L’àrea del recinte determinat per la funció i l’'eix d’abscisses és igual
a la unitat
- Com és simètrica respecte a l’eix que passa per , deixa un àrea
igual a 0,5 a l’esquerra i una altra igual a 0,5 a la dreta
- La probabilitat equival a l’àrea tancada sota la corba
72 Exercicis d’estadística i probabilitat
2.4.2 Distribució normal estàndard
La distribució normal estàndard o tipificada és la que té per mitjana el valor
zero ( ) i per desviació típica la unitat ( ), és a dir, .
La seua funció de densitat és:
La funció de distribució per a la distribució està tabulada per a facilitar
el càlcul i ens proporciona per a cada valor de el valor de la integral des de
a , és a dir, l’àrea sota la corba des de a .
2.4.3 Tipificació de la variable
Per a poder utilitzar la taula de la distribució normal estàndard hem de
transformar la variable que segueix una distribució en una altra
variable que seguisca una distribució i això ho farem amb el següent
canvi de variable
La variable s’anomena variable aleatòria tipificada de la variable . Aquesta
nova variable sempre té mitjana 0 i desviació típica 1. Vegem-ho:
Exercicis de probabilitat 73
2.4.4 Taula de la corba N(0, 1)
La taula ens dóna les probabilitats de , sent la variable tipificada.
La distribució es troba tabulada per a valors a partir de 0 i fins 3,99.
K 0 1 2 3 4 5 6 7 8 9
0,0 ,5000 ,5040 ,5080 ,5120 ,5160 ,5199 ,5239 ,5279 ,5319 ,5359
0,1 ,5398 ,5438 ,5478 ,5517 ,5557 ,5596 ,5636 ,5675 ,5714 ,5754
0,2 ,5793 ,5832 ,5871 ,5910 ,5948 ,5987 ,6026 ,6005 ,6103 ,6141
0,3 ,6179 ,6217 ,6255 ,6293 ,6331 ,6368 ,6406 ,6443 ,6480 ,6517
0,4 ,6554 ,6591 ,6628 ,6664 ,6700 ,6736 ,6772 ,6808 ,6844 ,6879
0,5 ,6915 ,6950 ,6985 ,7019 ,7054 ,7088 ,7123 ,7157 ,7190 ,7224
0,6 ,7258 ,7291 ,7324 ,7357 ,7389 ,7422 ,7454 ,7486 ,7518 ,7549
0,7 ,7580 ,7612 ,7642 ,7673 ,7704 ,7734 ,7764 ,7794 ,7823 ,7852
0,8 ,7881 ,7910 ,7939 ,7967 ,7996 ,8023 ,8051 ,8078 ,8106 ,8133
0,9 ,8159 ,8186 ,8212 ,8238 ,8264 ,8289 ,8315 ,8340 ,8365 ,8389
1,0 ,8413 ,8438 ,8461 ,8485 ,8508 ,8531 ,8554 ,8577 ,8599 ,8621
1,1 ,8643 ,8665 ,8686 ,8708 ,8729 ,8749 ,8770 ,8790 ,8810 ,8830
1,2 ,8849 ,8869 ,8888 ,8907 ,8925 ,8944 ,8962 ,8980 ,8097 ,9015
1,3 ,9032 ,9049 ,9066 ,9082 ,9099 ,9115 ,9131 ,9147 ,9162 ,9177
1,4 ,9192 ,9207 ,9222 ,9236 ,9251 ,9265 ,9279 ,9292 ,9306 ,9319
1,5 ,9332 ,9345 ,9357 ,9370 ,9382 ,9394 ,9406 ,9418 ,9429 9441
1,6 ,9452 ,9463 ,9474 ,9484 ,9495 ,9505 ,9515 ,9525 ,9535 ,9545
1,7 ,9554 ,9564 ,9573 ,9582 ,9591 ,9599 ,9608 ,9616 ,9625 ,9633
1,8 ,9641 ,9649 ,9656 ,9664 ,9671 ,9678 ,9686 ,9693 ,9699 ,9706
1,9 ,9713 ,9719 ,9726 ,9732 ,9738 ,9744 ,9750 ,9756 ,9761 9767
2,0 ,9772 ,9778 ,9783 ,9788 ,9793 ,9798 ,9803 ,9808 ,9812 ,9817
2,1 ,9821 ,9826 ,9830 ,9834 ,9838 ,9842 ,9846 ,9850 ,9854 ,9857
2,2 ,9861 ,9864 ,9868 ,9871 ,9875 ,9878 ,9881 ,9884 ,9887 ,9890
2,3 ,9893 ,9896 ,9898 ,9901 ,9904 ,9906 ,9909 ,9911 ,9913 ,9916
2,4 ,9918 ,9920 ,9922 ,9925 ,9927 ,9929 ,9931 ,9932 ,9934 ,9936
2,5 ,9938 ,9940 ,9941 ,9943 ,9945 ,9946 ,9948 ,9949 ,9951 ,9952
2,6 ,9953 ,9955 ,9956 ,9957 ,9959 ,9960 ,9961 ,9962 ,9963 ,9964
2,7 ,9965 ,9966 ,9967 ,9968 ,9969 ,9970 ,9971 ,9972 ,9973 ,9974
2,8 ,9974 ,9975 ,9976 ,9977 ,9977 ,9978 ,9979 ,9979 ,9980 ,9981
2,9 ,9981 ,9982 ,9982 ,9983 ,9984 ,9984 ,9985 ,9985 ,9986 ,9986
3,0 ,9987 ,9987 ,9987 ,9988 ,9988 ,9989 ,9989 ,9989 ,9990 ,9990
3,1 ,9990 ,9991 ,9991 ,9991 ,9992 ,9992 ,9992 ,9992 ,9993 ,9993
3,2 ,9993 ,9993 ,9994 ,9994 ,9994 ,9994 ,9994 ,9995 ,9995 ,9995
3,3 ,9995 ,9995 ,9995 ,9996 ,9996 ,9996 ,9996 ,9996 ,9996 ,9997
3,4 ,9997 ,9997 ,9997 ,9997 ,9997 ,9997 ,9997 ,9997 ,9997 ,9998
3,5 ,9998 ,9998 ,9998 ,9998 ,9998 ,9998 ,9998 ,9998 ,9998 ,9998
3,6 ,9998 ,9998 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999
3,7 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999
3,8 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999 ,9999
3,9 1 1 1 1 1 1 1 1 1 1
74 Exercicis d’estadística i probabilitat
2.5 Aproximació de la distribució binomial mitjançant la distribució normal
El matemàtic francès De Moivre va demostrar que en determinades condicions
la distribució binomial es pot aproximar mitjançant la distribució normal.
Aquestes condicions que s’han de complir són:
Aleshores tenim que si es compleixen les condicions anteriors:
(Recordem que: i en la distribució binomial)
Com més pròxim siga a 0,5 millor serà l’aproximació i gràcies a aquesta
aproximació és fàcil calcular probabilitats amb la distribució binomial per a
valors grans de .
Cal tenir en compte que per a realitzar correctament aquesta transformació
d’una variable discreta (binomial) en una variable contínua (normal) és
necessari fer una correcció de continuïtat.
Exercicis de probabilitat 75
2.6 Exercicis resolts
1. Considerem el cas de llançar un dau en forma de dodecaedre, el qual té
numerades les cares de l’1 al 12, i anotem el nombre que apareix en la cara
superior del dau desprès de cada tirada. Descriu els successos següents:
a. L’espai mostral
b. Traure un nombre parell que no siga múltiple de 5
c. Traure un nombre imparell
d. Traure un nombre múltiple de 3
e. Traure un nombre múltiple de 5
f.
g.
h.
i.
j.
k.
l. Els successos i formen un sistema complet de successos?
m. Quins d’aquests quatres successos ( i ) són complementaris?
Solució
a.
b.
c.
d.
e.
76 Exercicis d’estadística i probabilitat
f.
g.
h.
i.
j.
k.
(lleis de De Morgan)
l.
No, ja que encara que compleix la primera condició ( ), no
compleix la segona condició perquè els tres successos no són incompatibles
dos a dos, com podem veure a continuació:
m.
Cap d’aquests quatre successos ( i ) són complementaris, ja que cap
unió dos a dos d’aquests successos dona l’espai mostral de resultat.
Exercicis de probabilitat 77
2. Un grup de 3 aspirants a dos ocupacions diferents, encarregat i peó, està
format per dos homes i , i una dona . El cap de personal ha de
seleccionar dos dels tres aspirants. Siga el conjunt de tots els resultats
possibles de la selecció del cap de personal. Descriu els següents successos,
tenint en compte que, per exemple, el parell significa que la dona és
l’encarregada i l’home 1 és el peó:
a. L’espai mostral.
b. el succés que es verifica quan la selecció correspon a dos homes
c. el succés que es verifica quan en la selecció la dona és
l’encarregada
d. i
e.
f.
g.
h.
i.
j.
k.
Solució
a.
b.
c.
d.
e.
78 Exercicis d’estadística i probabilitat
f.
g.
h.
i.
j.
k.
3. Considerem i dos successos que compleixen que , i . Calculeu:
a.
b.
c.
d.
e.
f.
g.
h.
Solució
a.
Exercicis de probabilitat 79
b.
c.
d.
e.
f.
g.
h.
4. Considerem i dos successos que compleixen que i . Calculeu: , , i en les
situacions següents:
a. Si i són disjunts.
b. Si .
c. Si i són independents.
Solució
a.
80 Exercicis d’estadística i probabilitat
aleshores no es pot calcular, ja que no podem dividir per 0
b.
c.
5. En una escola hi ha una epidèmia de grip, cosa que fa que el 40% dels
alumnes tinguen mal de cap, el 30% tinguen diarrea i el 10% els dos
símptomes.
a. Calcula la probabilitat que triat un alumne a l’atzar, estiga malalt amb
almenys un símptoma.
Exercicis de probabilitat 81
b. Si en l’escola hi ha 500 alumnes, quants estan malats i quants pateixen
els dos símptomes.
Solució
a.
La probabilitat de tindre mal de cap és:
La probabilitat de tindre diarrea és:
La probabilitat de tindre mal de cap i diarrea és:
La probabilitat que un alumne estiga malalt amb almenys un símptoma és:
b.
Si en l’escola hi ha alumnes i la probabilitat de tindre almenys un
símptoma és de , aleshores:
alumnes estan malalts
Si en l’ecola hi ha alumnes i la probabilitat de tindre els dos símptomes és
de , aleshores:
alumnes tenen els dos símptomes
6. Un alumne de GAP vol telefonar a la secretaria de la Facultat de Dret. La
probabilitat que en tocar a la centraleta de la universitat el telèfon comunique
és 0,1 i la probabilitat que la telefonista ens diga que la extensió de la Facultat
de Dret comunica és 0,4.
a. Calcula la probabilitat que parlem amb la centraleta de la Universitat.
b. Calcula la probabilitat que parlem amb la Facultat de Dret.
c. Calcula la probabilitat que parlem amb la centraleta però no amb la
Facultat de Dret.
d. Calcula la probabilitat que sabent que hem parlat amb la centraleta,
parlem amb la Facultat de Dret.
Solució
a.
La probabilitat que la centraleta de la Universitat comunique és:
La probabilitat que la Facultat de Dret comunique és:
Parlar amb la centraleta vol dir que no comunica, aleshores:
82 Exercicis d’estadística i probabilitat
b.
Per a poder parlar amb la Facultat de Dret, no ha de comunicar la centraleta ni
la facultat, aleshores:
ja que C i D són independents.
c.
Per a poder parlar amb la centraleta però no amb la Facultat de Dret, no ha de
comunicar la centraleta però si la Facultat, aleshores:
d.
ja que C i D són independents.
7. Un alumne de GAP busca en la biblioteca la definició de probabilitat en tres
llibres. La probabilitat que trobe la definició en el primer llibre és 0,7, que la
trobe en el segon és 0,8 i que la trobe en el tercer és 0,9.
a. Calcula la probabilitat que trobe la definició únicament en el primer
llibre.
b. Calcula la probabilitat que trobe la definició únicament en un llibre.
c. Calcula la probabilitat que trobe la definició només en el primer i
segon llibre.
d. Calcula la probabilitat que trobe la definició només en dos llibres.
e. Calcula la probabilitat que trobe la definició en els tres llibres.
Solució
a.
Anomenem els successos següents:
la definició està en el primer llibre
la definició està en el segon llibre
la definició està en el tercer llibre
Sabem que , i són independents, ja que un llibre tinga la definició o no,
no interfereix en el fet que un altre llibre la tinga o no.
Exercicis de probabilitat 83
Aleshores:
b.
La pregunta diu que calcule la probabilitat que trobe la definició únicament en
un llibre, és a dir, en el primer, en el segon o en el tercer, aleshores:
c.
La pregunta diu que calcule la probabilitat que trobe la definició en el primer,
en el segon i no en el tercer llibre, aleshores:
d.
La pregunta diu que calcule la probabilitat que trobe la definició en dos llibres,
aleshores hauré de calcular totes les possibles combinacions dels tres llibres on
trobe la definició en dos d’aquests:
e.
La pregunta diu que calcule la probabilitat que trobe la definició en el primer,
en el segon i en el tercer llibre, aleshores:
8. El temari d’una assignatura de Dret consta de 40 temes i l’examen
consisteix a contestar a dos temes trets a l’atzar del temari. Si un alumne ha
estudiat només 25 temes, calcula la probabilitat que:
a. Els dos temes de l’examen els haja estudiat l’alumne.
b. L’alumne haja estudiat només un dels temes.
c. L’alumne no ha estudiat cap dels dos temes.
84 Exercicis d’estadística i probabilitat
Solució
a.
Anomenem els successos següents:
l’alumne ha estudiat el primer tema de l’examen
l’alumne ha estudiat el segon tema de l’examen
b.
c.
9. En una universitat espanyola hi ha estudiant alumnes estrangers del
programa Erasmus. En la taula següent apareix la nota mitjana que han
obtingut en un any acadèmic els alumnes de quatre nacionalitats.
Suspès (S)
Aprovat (A)
Notable (N)
Excel·lent (E)
Itàlia (I) 5 20 22 3
França (F) 3 23 17 1
Portugal (P) 1 5 10 4
Regne Unit (R) 8 30 6 2
Calcula la probabilitat que:
a. Un alumne que no haja suspès siga italià.
b. Un alumne tinga de nota mitjana notable i siga francès.
c. Un alumne siga portuguès i haja tret un cinc o més.
d. Si un alumne és portuguès, no haja suspès.
e. Si un alumne té de nota mitjana excel·lent, siga del Regne Unit.
f. Un alumne traga notable i no siga portuguès.
Exercicis de probabilitat 85
Solució
Suspès (S)
Aprovat (A)
Notable (N)
Excel·lent (E)
Itàlia (I) 5 20 22 3 50
França (F) 3 23 17 1 44
Portugal (P) 1 5 10 4 20
Regne Unit (R) 8 30 6 2 46
17 78 55 10 160
a.
b.
c.
d.
e.
f.
10. En una universitat de la Comunitat Valenciana s’ha ofertat una assignatura
en castellà, en valencià i en anglès. El 70% dels alumnes la vol cursar en
castellà, el 20% en valencià i la resta en anglès. El 60% dels alumnes que la
volen en castellà, el 45% dels alumnes que la volen en valencià i el 50% dels
que la volen en anglès són dones. Calcula la probabilitat que si triem un
alumne a l’atzar:
a. Siga un home que vol cursar l’assignatura en valencià.
b. Siga un home.
86 Exercicis d’estadística i probabilitat
c. Siga un alumne que vol cursar l’assignatura en valencià, sabent que és
home.
d. Siga un alumne que no vol cursar l’assignatura en valencià, sabent que
no és un home.
Solució
Representem en un diagrama en arbre les dades de l’enunciat
a.
b.
c.
d.
Exercicis de probabilitat 87
11. Un magatzem de taronges rep solament de tres productors A, B i C
mandarines de la varietat Marisol. El 25% de la producció ve de part del
productor A, el 40% del productor B i el 35% del productor C. D’altres
campanyes sabem que no tenen el calibre adequat el 10% de les mandarines
Marisol del productor A, el 5% del productor B i el 1% del productor C.
a. Triada una mandarina Marisol a l’atzar, quina és la probabilitat que no
tinga el calibre adequat i siga del productor B?
b. Triada una mandarina Marisol a l’atzar, quina és la probabilitat que no
tinga el calibre adequat?
c. Triada una mandarina Marisol a l’atzar resulta que no té el calibre
adequat, quina és la probabilitat que siga del productor A?
d. Triada una mandarina Marisol a l’atzar resulta que té el calibre
adequat, quina és la probabilitat que no siga del productor A?
e. Si triem una mandarina Marisol a l’atzar i és del productor A o B,
quina és la probabilitat que tinga el calibre adequat?
Solució
Representem en un diagrama en arbre les dades de l’enunciat
a.
b.
c.
88 Exercicis d’estadística i probabilitat
d.
e.
12. En l’assignatura Introducció a l’Estadística del primer curs del grau de
GAP els controls es fan amb examen tipus test amb 20 preguntes amb quatre
possibles respostes cadascuna, de les quals nomes una és correcta. Si un
alumne que no ha estudiat gens respon a l’atzar, calcula:
a. Quina és la probabilitat que encerte 8 preguntes?
b. Quina és la probabilitat que encerte menys de 4 preguntes?
Si l’examen en compte de 20 preguntes en tinguera 300, calcula:
c. Quina és la probabilitat que encerte 150 preguntes o més?
d. Quina és la probabilitat que encerte més de 50 i menys de 100
preguntes?
Solució
a.
= nombre de preguntes de l’examen que contesta correctament
Tenim que: , la probabilitat d’èxit (encertar la pregunta) i la
probabilitat de fracàs (no encertar la pregunta) .
Aleshores diem que:
Exercicis de probabilitat 89
b.
c.
= nombre de preguntes de l’examen que contesta correctament
Tenim que: , la probabilitat d’èxit (encertar la pregunta) i la
probabilitat de fracàs (no encertar la pregunta) .
Aleshores diem que:
Hem de calcular la , però si l’hem de calcular utilitzant la funció
de probabilitat de la distribució binomial serà molt costos.
Aleshores comprovem si es compleixen les condicions i podem aproximar la
binomial mitjançant la normal.
d.
13. Un jugador de futbol fa gol de falta directa 4 de cada 10 tirs a porteria. Si
en un partit tira 5 faltes, quina és la probabilitat que:
a. Falle les 5 faltes.
b. Faça menys de 3 gols.
c. Faça 3 gols.
d. Com a mínim faça un gol.
90 Exercicis d’estadística i probabilitat
Solució
a.
= nombre de gols que fa amb els 5 llançaments
Tenim que: , la probabilitat d’èxit (fer gol) i la probabilitat de
fracàs (no fer gol) .
Aleshores diem que:
Per a aquesta distribució binomial podem utilitzar la taula de valors de les
probabilitats de tipus .
b.
c.
d.
14. Una empresa d’alimentació ha fet una campanya publicitària que
consisteix a premiar amb 100 euros en productes de la mateixa companyia el
client que obtinga el premi. El percentatge de productes premiats és de l’1%.
Calcula la probabilitat que almenys obtinga 4 premis si faig una compra de:
a. 10 productes d’aquesta empresa.
b. 600 productes d’aquesta empresa.
Solució
a.
Anomenem el nombre de productes premiats.
Tenim que: , la probabilitat d’èxit (obtenir premi) i la
probabilitat de fracàs (no obtenir premi) .
Aleshores diem que:
Exercicis de probabilitat 91
b.
Anomenem al nombre de productes premiats.
Tenim que: , la probabilitat d’èxit (obtenir premi) i la
probabilitat de fracàs (no obtenir premi) .
Aleshores diem que:
Hem de calcular la , però si ho hem de calcular utilitzant la funció de
probabilitat de la distribució binomial serà molt costos.
Aleshores comprovarem si es compleixen les condicions i podem aproximar la
binomial mitjançant la normal.
15. Pels resultats de cursos anteriors sabem que les notes de l’examen final de
l’assignatura Introducció a l’Estadística del primer curs del grau de GAP,
segueixen una distribució normal de mitjana 6 i variància 4.
a. Quina és la probabilitat que un alumne que es presente a l’examen
aprove?
b. Quin és el percentatge d’alumnes amb una nota entre 5 i 6,5 (les dos
incloses)?
c. Si en la classe hi ha 57 alumnes, quants d’ells trauran una nota de
notable (7 o més i menys de 9)?
d. Si prenem una mostra de 10 alumnes, quina és la probabilitat que més
d’1 aprove?
e. Pel nombre d’alumnes el professor només pot posar matricula d’honor
al 5% dels alumnes. Quina nota ha de traure com a mínim un alumne
perquè el professor li pose matricula d’honor?
92 Exercicis d’estadística i probabilitat
Solució
a.
= nota dels alumnes que es presenten a l’examen
b.
És a dir, el dels alumnes.
c.
És a dir, 14 alumnes trauran una qualificació de notable.
d.
Anomenem el nombre d’alumnes que aproven entre els 10.
Tenim que: , la probabilitat d’èxit (aprovar) i la
probabilitat de fracàs (no aprovar) .
Aleshores diem que:
e.
Si volem calcular el 5% dels millors alumnes, el que farem serà calcular el
valor de la variable que deixa per baix al 75% dels alumnes.
Exercicis de probabilitat 93
Si busquem en la taula aquest valor no apareix directament, sinó que es troba
entre els valors (que correspon a ) i (que correspon a
). Aleshores el valor que busquem serà:
Aleshores,
Per a estar entre el 5% dels millors alumnes i tindre matricula d’honor han de
traure punts o més.
2.7 Exercicis proposats
1. Considerem i dos successos que compleixen que:
Calculeu:
a.
b.
c.
d.
e.
f.
Solució
a.
b.
c.
d.
e.
f. 1
94 Exercicis d’estadística i probabilitat
2. Considerem i dos successos que compleixen que:
Calculeu:
a. Són independents i ?
b.
c.
d.
e.
f.
Solució
a. No
b.
c.
d.
e.
f.
3. En una universitat espanyola es fa una enquesta a un grup d’alumnes sobre
el seu pensament polític i se’ls pregunta si són progressistes o conservadors.
En la taula següent apareixen els resultats de l’enquesta:
Progressista Conservador
Homes 139 59
Dones 217 85
Calcula la probabilitat que:
a. Un alumne siga progressista.
b. Un alumne siga dona i conservadora.
c. Un alumne siga dona sabent que és conservador.
d. Un alumne siga conservador sabent que és dona.
Exercicis de probabilitat 95
e. Un alumne no siga dona ni conservadora.
f. Un alumne no siga dona sabent que no és conservadora.
Solució
a.
b.
c.
d.
e.
f.
4. En un poble de la comarca de la Plana Baixa, hi ha una cooperativa que
comercialitza quatre tipus de mandarina: Marisol, Clemenules, Hernandina i
Ortanique. En la taula següent apareix reflectit el tipus de mandarina i la
superfície, en fanecades, de les parcel·les on es cultiva aquestes varietats.
< 5 [5, 10) [10, 20) > 20
Marisol 5 7 15 2
Clemenules 40 35 23 7
Hernandina 20 17 13 1
Ortanique 15 12 8 5
Calcula la probabilitat que:
a. Una parcel·la produïsca la varietat Clemenules i tinga 10 o més
fanecades.
b. Si la parcel·la és de menys de 10 fanecades, siga de la varietat
Ortanique.
c. Si la varietat és Ortanique, la parcel·la siga de menys de 10 fanecades.
d. Una parcel·la de la cooperativa produïsca Marisol o Clemenules.
e. Una parcel·la de la cooperativa produïsca Marisol o Ortanique, i tinga
menys de 10 fanecades.
Solució
a.
b.
c.
96 Exercicis d’estadística i probabilitat
d.
e.
5. En un poble de la Comunitat Valenciana viu una família d’agricultors
formada pel senyor Manel, la senyora Fina i el seu fill. Sabem que la
probabilitat de tindre un fill universitari per a una família d’agricultors és de
0,2 i que de cada mil universitaris un estudia la carrera de Matemàtiques.
Calcula la probabilitat que:
a. El fill del senyor Manel i la senyora Fina estudie en la universitat la
carrera de Matemàtiques.
b. Sabent que el fill estudia a la universitat, no estudie Matemàtiques.
c. El fill del senyor Manel i la senyora Fina estudie en la universitat però
no la carrera de Matemàtiques.
Solució
a.
b.
c.
6. En l’exercici anterior hem vist que la probabilitat que el fill del senyor
Manel i la senyora Fina estudie Matemàtiques és de 0,0002. Si la parella al
llarg de la seua vida té dos fills més, que trien de forma independent estudiar o
no la carrera de Matemàtiques, calcula:
a. Quina és la probabilitat que els tres fills estudien Matemàtiques?
b. Quina és la probabilitat que cap fill estudie Matemàtiques?
c. Quina és la probabilitat que almenys un fill estudie Matemàtiques?
d. Quina és la probabilitat que dos fills estudien Matemàtiques?
Solució
a.
b.
c.
d.
Exercicis de probabilitat 97
7. En un institut de secundaria es fa una enquesta per a saber l’afició dels
alumnes a la lectura i als videojocs. Els resultats que obtenim són: un 25% dels
alumnes són aficionats a la lectura, el 40% són aficionats als videojocs i el 5%
són aficionats a les dos coses.
a. Calcula la probabilitat que un alumne no siga aficionat a la lectura.
b. Si triem un alumne a l’atzar resulta que no és aficionat als videojocs.
Calcula la probabilitat que siga aficionat a la lectura.
Solució
a.
b.
8. En l’assignatura Introducció a l’Estadística de primer curs del grau de GAP,
el primer parcial l’aprova el 20% dels alumnes, el segon parcial l’aprova el
15% dels alumnes i el 5% dels alumnes aprova els dos parcials.
a. Calcula la probabilitat que un alumne aprove únicament el primer
parcial.
b. Calcula la probabilitat que un alumne aprove almenys un parcial.
c. Calcula la probabilitat de no aprovar-ne cap.
Solució
a.
b.
c.
9. En una classe d’un institut el 45% dels alumnes practiquen futbol o
atletisme. D’aquests alumnes el 25% practiquen només el futbol i el 15%
practiquen només l’atletisme. Calcula la probabilitat de:
a. Els que practiquen el futbol.
b. Els que practiquen l’atletisme.
c. Els que practiquen els dos esports.
d. Els que no practiquen cap dels dos esports.
e. Sabent que practica l’atletisme, practique el futbol.
f. Són independents els successos practicar futbol i practicar atletisme.
Raona la resposta.
98 Exercicis d’estadística i probabilitat
Solució
a.
b.
c.
d.
e.
f. No són independents.
10. En una ciutat sabem que el 30% dels habitants utilitza habitualment el
telèfon mòbil per a llegir el correu electrònic, un altre 30% utilitza l’ordinador
per a llegir el correu i la resta d’habitants utilitza els dos aparells. De les
persones que utilitzen el telèfon mòbil, el 50% té estudis universitaris, el 20%
dels que utilitzen l’ordinador i el 40% dels que utilitzen els dos aparells també
tenen estudis universitaris. Si agafem a l’atzar a una persona d’aquesta ciutat,
calcula la probabilitat que:
a. Tinga estudis universitaris.
b. Utilitze els dos aparells per allegir el correu si no té estudis
universitaris.
c. Tinga estudis universitaris si només utilitza un dels aparells.
Solució
a.
b.
c.
11. En una carrera a peu, per etapes, feta pel desert sabem que la probabilitat
d’acabar la carrera és de 0,3. Si sabem que a la carrera s’hi han inscrit 7 atletes
espanyols, calcula:
a. La probabilitat que cap espanyol acabe la carrera.
b. La probabilitat que tots els espanyols acaben la carrera.
c. La probabilitat que com a mínim dos espanyols acaben la carrera.
d. La mitjana i la desviació típica del nombre d’espanyols que acabaran
la carrera.
Exercicis de probabilitat 99
Solució
a.
b.
c.
d.
12. En una empresa l’edat dels treballadors segueix una distribució normal de
mitjana 42 anys i una desviació típica de 9 anys. Calcula:
a. La probabilitat que un treballador de l’empresa tinga menys de 60
anys.
b. Si agafem una mostra de 5 treballadors, calcula la probabilitat que 3
tinguen una edat entre 40 i 50 anys.
c. La probabilitat que de cada 5 treballadors almenys 1 siga major de 30
anys.
Solució
a.
b.
c.
13. Una empresa ha decidit contractar el 10% de les persones que estan en
l’última fase de selecció del personal. Per a això ha fet una prova als aspirants,
els quals han tret una qualificació mitjana de 6,5 punts i una variància de 2,56
punts. Suposant que les qualificacions segueixen una distribució normal, quina
és la nota mínima per a obtindre el treball?
Solució
14. En una fàbrica que és dedica a la fabricació de bolígrafs s’ha detectat una
errada en una màquina que fa que el 10% dels bolígrafs siguen defectuosos. Si
els bolígrafs s’empaqueten en caixes de 100, calcula la probabilitat que:
a. Una caixa tinga més de 5 bolígrafs defectuosos.
b. Una caixa tinga entre 7 i 13 (tots dos inclosos) bolígrafs defectuosos.
Solució
a.
b.
100 Exercicis d’estadística i probabilitat
15. En els exàmens de la JQCV sabem, per l’experiència d’altres anys, que el
5% de les persones que passen la primera prova no assisteixen el dia de la
segona prova. Si han passat la primera prova 285 persones i per a la segona
prova hi ha previstes aules per a 270 persones, calcula la probabilitat que:
a. No sobre ni falte cap lloc el dia de la segona prova.
b. No tinguen problemes de capacitat el dia de la segona prova, és a dir,
es presenten com a màxim 270 persones.
c. Tinguen problemes de capacitat el dia de la segona prova.
Solució
a.
b.
c.
101
Bibliografia
FORNER, Òscar, Introducció a l’estadística, Universitat d’Alacant. Servei de
Política Lingüística. Col·lecció Joan Fuster, núm. 150, Alacant, 2013.
FERNÁNDEZ, Santiago – CORDERO, José M. – CÓRDOBA, Alejandro,
Estadística descriptiva, Editorial Esic, Madrid, 1996.
MULLOR, Rubén – FAJARDO, M. Dolores, Manual práctico de estadística
aplicada a las ciencias sociales, Editorial Ariel Practicum, Barcelona,
2000.
De GROOT, Morris, Probabilidad y estadística, Editorial Addison-Wesley
Iberoamericana, Pittsburgh, Pennsylvania, USA, 1988.
CUADRAS, Carles M. – ECHEVERRÍA, Benito – MATEO, Juan – SÁNCHEZ,
Pedro, Fundamentos de estadística, Editorial PPU, Barcelona, 1984.
SERRET, Jaime, Manual de estadística universitaria, Editorial Esic, Madrid,
1995.
NORTES, Andrés, Estadística teórica y aplicada, Editorial PPU, Barcelona,
1993.
SÁNCHEZ, Joaquín – MANTECA, Isidoro, Cuestiones y problemas resueltos de
estadística, Editorial Gamma, Alacant, 1995.
FERNÁNDEZ, Carlos – FUENTES, Felipe, Curso de estadística descriptiva,
Editorial Ariel, Barcelona, 1995.
SARRIÓN, M. Dolores, Estadística descriptiva, Editorial Mc Graw Hill,
Madrid, 2012.
MARTÍN - PLIEGO, Francisco J., Introducción a la estadística económica y
empresarial, Editorial AC, Madrid, 2005.
BRETÓ, Josep – NOGUERA, Joan Josep – VIDAL, Miquel, Estadística.
Introducció a la teoria de la decisió, Conselleria de Cultura, Educació
i Ciència, València, 1986.
TOLEDO, Maria I., Estadística, Editorial Alhambra Longman, Madrid, 1992.