260 Estadística y probabilidad.

4ºA de ESO
RESUMEN
Ejemplos
Población y Población: Todo el conjunto de individuos sobre el que se hace el Para conocer la intención de voto, la
estudio. Muestra: Una parte de esa población. población es todo el país, y se selecciona
muestra
una muestra

Frecuencia Frecuencia absoluta: Número de veces que se ha obtenido ese Fr. Absoluta Fr. Fr. Acumulada
absoluta, relativa y resultado. Frecuencia relativa: Se obtiene dividiendo la frecuencia Relativa Absoluta

acumulada absoluta por el número total. Frecuencia acumulada: Se obtiene A 28 0,7 28

sumando las frecuencias anteriores.
B 12 0,3 40

Gráficos Diagrama de barras 50

estadísticos Diagrama de líneas
Diagrama de sectores 0

Media Media = m = (x1 + x2 + …+ xn)/n Con: 8, 4, 6, 10 y 10. Media = 38/5 = 7,6

Moda Es el valor más frecuente 10

Mediana Deja por debajo la mitad 4 < 6 < 8 < 10 = 10. Me = 8.
Varianza y n
Varianza = 5,4.
x
n n n

 ( x  m)  (x x
2
 m) 2
2 2
Desviación típica Varianza = i
=
i i i
s = 2,33.
i 1 i 1
 m2 . s = i 1 = i 1
 m2
n n n n

Cuartiles Q1 deja por debajo la cuarta parte. Q3 deja por debajo las tres Q1 = 6; Q3 = 10; Intervalo intercuartil =
cuartas partes. Intervalo intercuartil = Q3 – Q1. Q3 – Q1 = 4.
Histograma El área de cada rectángulo es proporcional a la frecuencia .
Correlación El coeficiente de correlación, , mide la relación entre dos  = 1  correlación perfecta positiva
variables. Es un número entre 1 y 1.  = 1  correlación perfecta negativa
 = 0  correlación nula
  (0, 1)  correlación positiva
  (1, 0)  correlación negativa
Suceso Al realizar un experimento aleatorio existen varios posibles Tiramos un dado. Posibles resultados =
resultados o sucesos posibles. {1, 2, 3, 4, 5, 6}
Un suceso es un subconjunto del conjunto de posibles Suceso obtener múltiplo de 3 = {3, 6}
resultados.
Probabilidad Límite al que tienden las frecuencias relativas. P(5) = 1/6.
Si los sucesos elementales son equiprobables entonces: P(sacar múltiplo de 3) = 2/6
p = casos favorables / casos posibles.
Asignación de Suceso contrario: p(X) + p(noX) = 1. P(no 5) = 1 – 1/6 = 5/6.
probabilidades Sucesos dependientes: p(A y B) = p(A) · p(B/A). P(5 o múl. 3) = 1/6 + 2/6 =3/6
Sucesos compatibles: P(A o B) = p(A) + p(B) – p(A y B). P sacar primero un 5 y luego múltiplo de 3
=1/6·2/6 =2/36

Matemáticas orientadas a las enseñanzas aplicadas: 4ºA de ESO. Capítulo 7: Estadística y probabilidad Autores: María Molero y Andrés García
LibrosMareaVerde.tk Revisores: Raquel Caro y Nieves Zuasti
apuntesmareaverde.org.es Ilustraciones: Banco de Imágenes de INTEF
401 Estadística. 4ºB de ESO
Diagrama de En un círculo se dibujan sectores de ángulos
sectores proporcionales a las frecuencias

Media aritmética Es el cociente entre la suma de todos los valores de la En los datos 3, 5, 5, 7, 8, la
variable y el número total de datos. media es: (3 + 5 + 5 + 7 +
8)/5 = 28/5 = 5’6.
Mediana Deja por debajo la mitad de los valores y por encima La mediana es 5
la otra mitad
Moda El valor que más se repite. La moda es 5.

Varianza Medida de desviación que recoge las desviaciones de N

  x  x  
2
los valores de la variable respecto de la media i 
aritmética. s2  i 1

N
Desviación típica La desviación típica es la raíz cuadrada de la varianza

Coeficiente de Permite comparar la variabilidad de distintas s

variación muestras, independientemente de sus unidades de g
x
medida.

Rango total o Diferencia entre los valores máximos y mínimos que R  xN  x1
recorrido toma la variable en la muestra

Recorrido Diferencia entre el tercer y el primer cuartil RI  Q3  Q1

intercuartílico
25
Nube de puntos Un modo sencillo de representar una muestra
Generación Eólica (kWh)

20

bidimensional. Esta técnica consiste en representar 15

10

en el plano (x, y) los valores obtenidos en la muestra. 5

0
0 5 10 15 20
Generación Solar (kWh)

Coeficiente de Nos indica si la dependencia entre dos variables m1,1

correlación objeto de estudio son dependientes positiva o  r
sx  s y
negativamente.

Matemáticas orientadas a las enseñanzas académicas 4º B de ESO. Capítulo 13: Estadística Autora: Raquel Caro
LibrosMareaVerde.tk Revisoras: María Molero y Nieves Zuasti
www.apuntesmareaverde.org.es Ilustraciones: Banco de Imágenes de INTEF
425
Estadística
RESUMEN
Ejemplos
Histograma Representación gráfica de los datos agrupados en intervalos. 15

10

Media x=
∑i xi ni k
= ∑ xi f i
𝑥𝑥̄
0 ⋅ 2 + 1 ⋅ 4 + 2 ⋅ 21 + 3 ⋅ 15 + 4 ⋅ 6 + 5 ⋅ 1 + 6 ⋅ 1
=
aritmética
50
n i =1 126
= = 2.52
50

Mediana Valor tal que en la distribución hay tantos datos menores

que él como mayores que él.

Moda Dato con mayor frecuencia, el que más veces se repite.

Varianza k k
∑ (xi − x )2 ⋅ ni ∑ (xi )2 ⋅ ni
s 2 = i =1 = i =1 − x2
n n

Desviación típica s = Varianza

Covarianza ∑i ∑ j ( xi − x ) ⋅ ( yi − y ) ⋅ nij ∑i ∑ j xi ⋅ yi ⋅ nij

S xy = = −x⋅y
n n

Coeficiente S xy
rxy = −1 ≤ r ≤ 1
correlación sx ⋅ s y

Dependencia r = −1 dependencia funcional lineal negativa

lineal
−1 < r < 0 dependencia negativa
r = 0 no existe dependencia lineal, ni funcional
0< r <1 dependencia positiva
r = 1 dependencia funcional lineal positiva
Recta regresión S xy
Y sobre X y = y+ 2
(x−x)
sx

Matemáticas I. Bachillerato de Ciencias. Capítulo 9: Estadística Autor: Ignasi Clausell

LibrosMareaVerde.tk Revisores: Raquel Caro y Luis Carlos Vidal
www.apuntesmareaverde.org.es Ilustraciones: Banco de Imágenes de INTEF
438 Combinatoria: 4ºB de ESO
RESUMEN
Ejemplos
Permutaciones Se considera sólo el orden. P4 = 4! = 4 ∙ 3 ∙ 2 ∙ 1 = 24.
Pn = n!
Variaciones con Se consideran el orden y los elementos. Los elementos VR2,4 = 2∙2∙2∙2 = 24 = 16
repetición pueden repetirse. VRm,n = mn.
Variaciones sin Influyen el orden y los elementos. Los elementos NO 6!
V6,3 = 6 ∙ 5 ∙ 4 = = 120
repetición pueden repetirse. 3!
m!
Vm,n = m ∙ (m – 1) ∙ (m – 2) ∙… ∙ (m – n + 1) =
(m − n)!

Combinaciones Influyen sólo los elementos. 9 9!

C9,7 =   = = 36
Vm , n m! m  
7 2! ⋅ 7!
Cm,n = = =  
Pn (m − n)! ⋅ n!  n 
Propiedades de m m m  m   5  5  5   5
  = 1;   = 1;   =   ;   =   =1;   =   =10;
los números
0 m  n  m − n  0  5  2   3
combinatorios
 m   m − 1  m − 1   5  4  4
  =   +    3  =  3  +  2  = 6 + 4
 n   n   n −1      
Triángulo de 0
Tartaglia
 
0
1
1
 
1
  1 1
0 1
 2
 
 2
 
 2
 
1 2 1
 3
0
 3
1
 3
 2
 3
1 3 3 1
   1     
0    2  3 …
….

Binomio de  n  n  n  n−1  n  n−2 2  n  n−1  n  n

(a+b)n=   a +   a b+   a b +…+   ab +   b (a+b)4=a4+4a3b+6a2b2+4ab3+b4
Newton
0 1  2  n −1 n

Los PowerPoint siguientes son un buen resumen: Variaciones y permutaciones; Combinaciones.

Matemáticas orientadas a las enseñanzas académicas 4º B de ESO. Capítulo 14: Combinatoria Autoras: Adela Salvador y María Molero
LibrosMareaVerde.tk Revisores: Andrés Hierro y Sergio Hernández
www.apuntesmareaverde.org.es Ilustraciones: Banco de Imágenes de INTEF y María Molero
475 Probabilidad. 4ºB de ESO
RESUMEN
Ejemplos

Experimento El resultado depende del azar Tirar una moneda, o un dado

aleatorio
Suceso elemental Cada uno de los posibles resultados de un experimento Cara o cruz serían sucesos
aleatorio elementales en el experimento
“tirar una moneda y observar el
resultado”
Espacio muestral Conjunto de casos posibles {cara, cruz}
{1, 2, 3, 4, 5, 6}
Suceso Subconjunto del espacio muestral {2, 4, 6}

Ley de Laplace Si los sucesos elementales son equiprobables entonces Al tirar un dado:
número de casos favorables al suceso S P(sacar 3) = 1/6
P(S)=
número de casos posibles P(sacar múltiplo 2) = 3/6.

Combinatoria Utiliza la combinatoria (combinaciones, variaciones, La probabilidad de tener póker

variaciones con repetición…) para contar bien los casos en una baraja francesa es:
favorables y los posibles 13 ⋅ 12
P( po ker) =
C 52 ,2

Diagrama en Problemas muy difíciles puedes resolver representando un

árbol diagrama en árbol

Suceso contrario El suceso contrario de S (Sc) se verifica si no se verifica S. Suceso contrario de sacar par es
P(SC) = 1 – P(S) {1, 3, 5} = 1 – 3/6 = 1/2.
Sucesos Dos sucesos son independientes si la probabilidad de que se La probabilidad del sacar un 3, al
independientes verifique uno no queda afectada por que se haya verificado el tirar un dado y volver a tirarlo.
otro.
Intersección de Si A y B son independientes P(A ∩ B) = P(A) ∙ P(B). En una baraja española la
sucesos En general P(A ∩ B) = P(A) ∙ P(B/A) probabilidad de sacar dos ases
es (4/40) ∙ (3/39)

Probabilidad P( A ∩ B) Probabilidad de sacar un as

P( A / B) =
condicionada P( B) habiendo ya sacado otro as sin
reemplazamiento es 3/39

Unión de sucesos Si A y B son incompatibles P(A ∪ B) = P(A) + P(B) En una baraja española la
En general P(A ∪ B) = P(A) + P(B) – P(A ∩ B) probabilidad de sacar un as o
bien un oro es (4/40) + (10/49) –
(1/40) = 13/40

Matemáticas orientadas a las enseñanzas académicas 4º B de ESO. Capítulo 15: Probabilidad Autor: Fernando Blasco
LibrosMareaVerde.tk Revisora: Raquel Caro
www.apuntesmareaverde.org.es Ilustraciones: Banco de Imágenes de INTEF, Fernando Blasco y Wikypedia
321 Probabilidad

RESUMEN
Ejemplos
Al realizar un experimento aleatorio existen varios Tiramos un dado. Posibles
posibles resultados o sucesos posibles. resultados = {1, 2, 3, 4, 5, 6}
Sucesos Suceso obtener múltiplo de 3 = {3,
Un suceso es un subconjunto del conjunto de posibles
6}
resultados.

Una medida P(5) = 1/6.

Asignación de Límite al que tienden las frecuencias relativas. P(sacar múltiplo de 3) = 2/6
Regla de Laplace: Si los sucesos elementales son equiprobables
probabilidades
entonces:
p = casos favorables / casos posibles.
1. P(E) = 1.
Axiomática de
2. P(A) ≥ 0, para todo A.
Kolmogorov
3. Si A ∩ B = ∅ entonces P(A ∪ B) = P(A) + P(B).

Suceso contrario: P(X) + P(noX) = 1. P(no 5) = 1 – 1/6 = 5/6.

Teoremas de P(5 ∪ múl. 3) = 1/6 + 2/6 =3/6
Intersección:P(A ∩ B) = P(A) ∙ P(B/A).
Probabilidad P sacar primero un 5 y luego múltiplo
Unión: P(A ∪ B) = P(A) + P(B) – P(A ∩ B). de 3 =1/6∙2/6 =2/36
P( B / Ai ) ⋅ P( Ai ) P( B / Ai ) ⋅ P( Ai )
Teorema de P( Ai / B) = = n
P( B) ∑ P( B / Ak ) ⋅ P( Ak )
Bayes
k =1

Se considera sólo el orden. P4 = 4! = 4 ∙ 3 ∙ 2 ∙ 1 = 24.

Permutaciones
Pn = n!
Variaciones con Se consideran el orden y los elementos. Los elementos VR2,4 = 2∙2∙2∙2 = 24 = 16
repetición pueden repetirse. VRm,n = mn.
Influyen el orden y los elementos. Los elementos NO 6!
V6,3 = 6 ∙ 5 ∙ 4 = = 120
Variaciones sin pueden repetirse. 3!
repetición Vm,n = m ∙ (m – 1) ∙ (m – 2) ∙… ∙ (m – n + 1) = m!
(m − n)!

Influyen sólo los elementos. 9 9!

C9,7 =   = = 36
Combinaciones Vm , n m! m  7  2! ⋅ 7!
Cm,n = = =  
Pn (m − n)! ⋅ n!  n 

Binomio de  n  n  n  n−1  n  n−2 2  n  n−1  n  n

(a+b)n=   a +   a b+   a b +…+   ab +   b (a+b)4=a4+4a3b+6a2b2+4ab3+b4
Newton    
0 1  
2  n −1  n

1º Bachillerato. Matemáticas Aplicadas a las Ciencias Sociales I. Capítulo 7: Probabilidad Autor: David Miranda
LibrosMareaVerde.tk Revisor: Javier Rodrigo
www.apuntesmareaverde.org.es Ilustraciones: Banco de Imágenes de INTEF
498 Distribuciones de probabilidad

RESUMEN
Ejemplos
Propiedades 1) p(x)  0 Lanzamos dos monedas y contamos el
de función de 2)  p(x) = 1. número de caras:
Número de caras (x): 0 1 2
cuantía
Función de cuantía 1/4 1/2 1/4
(p(x)):
Propiedades 1) 0  F(x)  1 Función de 1/4 3/4 4/4
de función de 2) F(x) es una función creciente distribución F(x):

distribución 3) F(xMáximo) = 1

Esperanza E ( x)     xi  p( xi )  = 0(1/4) + 1(1/2) + 2(1/4) = 1

i
matemática
Varianza y  2   ( xi  ) 2  p ( xi )  E ( x 2 )  E 2 ( x ) 2 = (01)2(1/4) + (11)2(1/2) +
desviación i
(21)2(1/4) = 1/2.
típica  E ( x 2 )  E 2 ( x)  1/ 2

Distribución  n 0,5
B(n, p)     p x  q n  x
binomial  x
0
E ( x ) =  = n p , 0 2 4 6 8 10
 = npq = np(1p)
2
B(10, 1/2).
Distribución  ( x ) 2
1
normal N (, )  ( x)  e 2 2
 2

Aproximación Una binomial con npq  9 se considera se ajusta

de la binomial a bien a una normal de igual media y desviación
la normal típica.

2º Bachillerato. Matemáticas II. Capítulo 12: Distribuciones de probabilidad Autora: Raquel Caro
LibrosMareaVerde.tk Revisores: Leticia González y Álvaro Valdes
www.apuntesmareaverde.org.es Ilustraciones: Banco de Imágenes de INTEF
327 Estimación. Intervalos de confianza

RESUMEN
Todos los individuos de la población tienen la misma Se numera la población y se usan
Muestra
probabilidad de ser elegidos en la muestra. números aleatorios para elegir la
aleatoria simple
muestra.

Si X es una variable aleatoria de una población de media µ finita y Población N(10, 2)

desviación típica σ finita. Entonces: La distribución de la media Muestra de tamaño n = 100.
Teorema central muestral de tamaño n tiene de media µ y desviación típica σ y →
del límite n Distribución de la media muestral:
se aproxima a una distribución normal a medida que crece el N(10, 0’2)
tamaño de la muestra

σ P(8 < x < 12) = P(−1 < z < 1) =

Media muestral N (x,
n
)
2 P( z < 1) − 1 = 0'6832

Proporción p (1 − p ) Proporción: 5 %. Muestra de tamaño

N ( p, )
muestral n n = 100 → N(0’05, 0’03)

Intervalo de confianza: Si P(a < X < b) = 0'95 tenemos el intervalo de confianza (a, b)
Nivel de confianza o coeficiente de confianza: 1 − α = γ, en nuestro ejemplo, 0’95
Intervalo de Nivel de significación o de riesgo: α, en nuestro ejemplo, 0’05
confianza Valor crítico: k1 y k2, que dejan a la derecha (o a la izquierda) un área α/2.
En la N(0, 1) son −1’96 y 1’96 para α = 0’05.
Margen de error: Diferencia entre los extremos del intervalo de confianza.

Intervalo de   N(2, 1), 1 − α = γ = 0’95;

 σ σ 
confianza para la µ∈ x − z α ⋅ , x+z α ⋅  P(−1’96 < (X-2)/1 < 1’96) = 0’95
 1− n 1− n
media  2 2  ⇒ P(1'8 < X < 2'2) = 0'95

Error máximo  
2 N(2, 1), 1 − α = 0’95; n = 100
σ  σ
admisible. E=z α⋅ ⇒ n =z α ⋅  E = 1’96⋅(1/10) = 0’196.
1− n  1− E
Tamaño mínimo 2  2  Si E = 0’5 → n = (1’96⋅(1/0’5))2 ≈ 16
de la muestra
Intervalo de   
p ⋅ (1 − p ) 
 
p ⋅ (1 − p )  Proporción:1/6. Muestra de tamaño
p ∈  p − z1−α / 2 ⋅ , p + z1−α / 2 ⋅
confianza para la  n n  n = 120. 1 − α = 0’95 → z1-α/2 =
 γ
proporción 1’645; s = 0’034 → (0’111, 0’223)

Paso 1: Hipótesis H0: µ = µ0, H1: µ ≠ µ0.

 
 σ σ 
Contraste de Paso 2: Zona de aceptación. µ ∈  x − z α ⋅ , x + z α ⋅ 
1− n 1− n
hipótesis  2 2 
Paso 3: Verificación: Se extrae la muestra y se calcula x .
Paso 4: Decisión: Se acepta o se rechaza la hipótesis.

2º Bachillerato. Matemáticas Aplicadas a las Ciencias Sociales II. Capítulo 9: Estimación. Intervalos de confianza Autora: Raquel Caro
LibrosMareaVerde.tk Revisores: Leticia González Pascual y Álvaro Valdés Menéndez
www.apuntesmareaverde.org.es Ilustraciones: Banco de Imágenes de INTEF