Estadistica 4eso 109

ESTADISTICA 4ESO
http://proyectodescartes.org/iCartesiLibri/materiales_didacticos/IntroduccionEstadisticaProbabilidad/index.html
1. Introducción
El primer contacto que se tiene con la Estadística suele ser a través de los medios
de comunicación.
La lectura rápida de cualquier periódico enfoca nuestra atención en los titulares y en

la imagen, siendo en este lugar en el que normalmente aparecen la tabla, dibujo,
figura… en definitiva UN gráfico estadístico constituye un elemento acaparador de
atención que RESUME una capacidad importante de información y una gran facilidad
y sencillez a la hora de ENTENDER la misma.
Esta primera idea que todos tenemos puede suponer un aceptable punto de partida
inicial para comenzar nuestro curso.
"Estadística"; palabra que etimológicamente deriva de la palabra "status", que

significa estado o situación.
Vídeo enlazado desde YouTube, licencia de YouTube estándar
1. 1.Un poco de historia
Vamos a reflejar algunas pinceladas rápidas sobre la aparición de la Estadística, (o

algo parecido), en algunos momentos históricos.
Seguramente para encontrar pistas sobre el origen de la estadística, tendríamos que

remontarnos a antes del comienzo mismo de la propia Historia. Restos
arqueológicos y monumentos prehistóricos contienen signos y muescas que pueden
interpretarse como referencias a posibles anotaciones sobre cantidades,
probablemente de ganado y caza que pueden indicarnos un rudimentario sistema
de control sobre determinados datos.
En MUCHOS MONUMENTOS EGIPCIOS se encontraron interesantes estelas, jeroglíficos, en una

palabra, “documentos” en los que se puede interpretar una gran organización y administración
estatal en lo que se refiere a contabilización de riqueza, movimientos poblacionales, censos, etc.
EN LA CULTURA ASIRIA O MESOPOTÁMICA, se conservan tablillas con inscripciones cuneiformes

sobre importantes datos estadísticos referentes a producciones, contabilidad, así como también
datos sobre medicina, astronomía, etc…
1
EN LA BIBLIA también podemos encontrar referencias estadísticas. Así por ejemplo, en uno de los
LIBROS DEL PENTATEUCO, bajo el nombre de Números, puede leerse lo que podría interpretarse
como EL CENSO que realizó Moisés después de la salida de Egipto.
“Haz un censo general de toda la asamblea de los hijos de Israel, por familias y por linajes,
describiendo por cabezas los nombres de todos los varones aptos para el servicio de armas en
Israel”.
EN CHINA aparecen innumerables documentos con referencias a poblaciones, censos , recuentos

bienes agrícolas, ganaderos, de origen militar …
Por ejemplo, en uno de sus clásicos "Shu-King" escrito hacia el año 550 a.C., nos narra cómo el
Rey Yao en el año 2238 mandó hacer una estadística agrícola, industrial y comercialen todos sus
dominios.
Así pues, la estadística aparece, a lo largo de la historia como un poderoso

instrumento utilizado por gobiernos e instituciones así como también elemento
auxiliar de las distintas ciencias, ayudando a estas a desentrañar las grandes
preguntas que la curiosidad del ser humano siempre ha perseguido; es decir: qué
variables intervienen en un fenómeno, que leyes permiten el comportamiento
de las mismas y qué relación de dependencia hay entre ellas.
1. 2. Definición de Estadística
La estadística, en general, es la ciencia que TRATA DE LA RECOPILACIÓN,

ORGANIZACIÓN PRESENTACIÓN, ANÁLISIS E INTERPRETACIÓN DE DATOS que
intervienen en un fenómeno, con el fin de realizar una perfecta descripción y en
gran parte inferir resultados o tomar decisiones.
Dentro de la estadística se distinguen DOS RAMAS FUNDAMENTALES,
 Estadística Descriptiva: puede decirse que la estadística descriptiva

trata fundamentalmente la presentación de datos en forma de tablas y
gráficas.
El cálculo de parámetros definidores y transcriptores de muchas de las

características de la población estudiada.
Mediante la Estadística Descriptiva emprendemos actividades

relacionadas con la presentación y diseño de gráficos que resumen e
implementan la información pero sin factores adicionales que vayan más
allá de la propia descripción
 Estadística Inferencial: Teniendo como origen el estudio de las
muestras, la estadística inferencial trata de deducir a partir de
ellas aspectos generales de la población. Como consecuencia dedicará un
2
énfasis especial al estudio de los métodos que permitirán la realización de
dichas generalizaciones, así como al grado de fiabilidad de las mismas.
2. Conceptos generales
UNO DE LOS OBJETIVOS que se pretenden en estadística es que a través de los
datos previamente recopilados en una muestra (datos muestrales) obtener unos
resultados que podrán ser susceptibles de análisis, ayudando a descubrir un
comportamiento general (poblacional)de los mismos.
Como puedes ver solamente en un objetivo de lo que se persigue en estadística

aparecen varios conceptos propios de esta ciencia que conviene recordar,
aprendiendo también su terminología.
En este tema vamos a utilizar muchos términos que ya se han visto en anteriores
cursos de educación secundaria.
No obstante y de forma muy resumida vamos a recordar los más importantes.
Pulsa en la siguiente imagen para acceder a un vídeo.
2.Conceptos generales
En este tema vamos a utilizar muchos nombres específicos que ya se han visto en
anteriores cursos de EDUCACIÓN SECUNDARIA y que definen diversos conceptos en
el contexto probabilístico.
Por ello, de forma muy resumida vamos a recordar los más importantes.
2.1. Espacio muestral
Al conjunto formado por TODOS los posibles resultados elementales de un

experimento aleatorio se le denomina ESPACIO MUESTRAL de dicho experimento.
Si consideramos, por ejemplo, el experimento consistente en el lanzamiento de

una moneda:
3
 Los sucesos elementales son Cara (C) y Cruz (X)
 El espacio muestral asociado a dicho experimento es: E = {C, X}
En la siguiente escena puedes observar algunos ejemplos de experimentos
aleatorios, sus espacios muestrales y cómo construirlos.
2.1. Población, muestra, individuo y carácter
Es obvio que todo estudio estadístico ha de estar referido a un conjunto o

colección de entes.
Este conjunto de personas o cosas es lo que denominaremos población.
Cada uno de estos objetos que forman parte de la población se denominan

elemento o individuo.
En sentido estadístico UN INDIVIDUO puede ser algo con existencia real, como un
automóvil o una casa, o algo más abstracto como la temperatura, una opinión, un
voto, un sentimiento, un intervalo de tiempo, etc.
A su vez, CADA ELEMENTO DE LA POBLACIÓN tiene una serie de características

que pueden ser objeto del estudio estadístico (carácter).
Así por ejemplo si consideramos como elemento a una persona, podemos

distinguir en ella multitud de caracteres como el sexo, la edad, estatura, peso,
color de pelo, nivel de estudios, entre otros muchos más.
Normalmente en un estudio estadístico hay muchos condicionantes que impiden

trabajar con todos los elementos de la población, por tanto se suele recurrir a un
subconjunto de la misma.
Una muestra es cualquier subconjunto de una población. Cuando los elementos

que componen la muestra están elegidos aleatoriamente y todos los elementos
tienen la misma probabilidad de ser elegidos diremos que la muestra
es aleatoria simple.
2.2. Variables y atributos
Al conjunto de valores que puede tomar un carácter cuantitativo lo

denominamos variable estadística.
 Variables Cualitativas o Atributos. Los atributos son aquellos

caracteres que no pueden ser descritos numéricamente, (al menos
en principio).
4
Para su descripción en consecuencia utilizamos pues la palabra, el
sustantivo, adjetivo y adverbio fundamentalmente.
Por ejemplo: Sexo, profesión, estado civil, color de ojos, color de pelo,
nacionalidad, etc.
A su vez se pueden clasificar en:

 Ordenables: Aquellas que sugieren una ordenación o son
susceptibles de ella, por ejemplo la graduación militar, El nivel
de estudios, grado de satisfacción, etc.
 No ordenables: Aquellas que sólo admiten una mera ordenación

alfabética, pero no establece orden por su naturaleza, por
ejemplo el color de pelo, sexo, estado civil, etc.
 Variables Cuantitativas. Son las que pueden ser descritas por medio
de números. Dentro de éstas a su vez se pueden destacar:
 Cuantitativas discretas. Aquellas a las que se les puede
asociar un número entero, es decir, aquellas que por su
naturaleza no admiten un fraccionamiento de la unidad, por
ejemplo número de hermanos, páginas de un libro, etc.
 Cuantitativas continuas: Aquellas que no se pueden

expresar solamente mediante un número entero, sino tambien
decimal, es decir, aquellas que por su naturaleza admiten que
entre dos valores cualesquiera la variable pueda tomar
cualquier valor intermedio, por ejemplo, peso o tiempo.
No obstante en muchos casos el tratamiento estadístico hace

que variables discretas sean tratadas como si fuesen continuas.
Esto ocurre por ejemplo en casos en los que la variable toma

un gran número distinto de valores enteros.
3. Tabulación de datos y gráficos

estadísticos
La presentación de los datos recogidos en cualquier trabajo estadístico es el
primer paso que debemos dar para iniciar el estudio estadístico de cualquier
población.
Para ello elaboraremos tablas lo más simples posibles que sean fáciles de leer
y que ofrezcan una visión general de las características de la población.
El paso siguiente en estadística al trabajo de campo es la disposición de los datos

de manera ordenada, concisa y visualmente atractiva.
5
En estadística, este proceso recibe el nombre de tabulación.
Tabulación para carácter cualitativo
En los casos de carácter cualitativo, la tabulación de los datos es muy simple.
Las tres columnas a construir que tienen sentido hacen referencia a:
 El valor de los atributos

 La frecuencia absoluta
 La frecuencia relativa
En los casos en los que se desee expresar el porcentaje, basta con multiplicar la
frecuencia relativa por 100.
Tabulación para variable cuantitativa discreta
En los casos correspondientes a variable cuantitativa discreta, la tabulación

se realiza de acuerdo a las siguientes pautas.
Los valores obtenidos se ordenan, especifican y agrupan de tal forma que sea
fácil y directa la aportación de información, así como la búsqueda de alguno de los
datos.
Las primeras columnas que deben aparecer en la tabulación de variable

cuantitativa discreta serán:
 Valores de la variable
 Frecuencias absolutas
 Frecuencias relativas
 Frecuencias absolutas acumuladas
 Frecuencias relativas acumuladas.
En algunos casos se puede utilizar el porcentaje en lugar de las frecuencias

relativas o además de las frecuencias relativas.
Tabulación para variable cuantitativa continua
En variables continuas, o en discretas en las que el número de datos distintos

es muy grande, el número de filas que habría que disponer en las tablas sería
demasiado grande, con lo que el objetivo de información rápida y clara no se
cumpliría.
6
En estos casos se hace necesaria una primera solución sencilla como es agrupar
todos los datos en intervalos o clases, habitualmente de la misma
amplitud.
De esta forma cada dato de nuestra distribución queda encasillado en un y sólo un
intervalo o clase.
La elección de la amplitud de clase de los intervalos, la consideración si las

amplitudes deben o no ser iguales y el número de intervalos que deben
considerarse, formaran parte del diseño que realizará el que realiza el trabajo
estadístico y siempre debe estar dirigido en el sentido de potenciar el principal
objetivo que se persigue con la tabulación de los datos que es la máxima claridad
y sencillez en la exposición de la información.
4. Gráficos estadísticos
Hoy en día, la información que recibimos proviene fundamentalmente de los medios
de comunicación de masas.
En prensa, internet y televisión fundamentalmente, y también en las ciencias

sociales, se recurre de manera muy habitual a los gráficos, (pictogramas,
climogramas, pirámides de población, diagramas de barras, sectores, etc.), como
elemento aglutinante de información a la par que fácilmente descifrable.
Los gráficos estadísticos constituyen una herramienta fundamental en lo que se

refiere a una primera información sencilla y rápida de las características más
elementales de una distribución estadística. Pueden implementar la información
contenida en las tablas o incluso sustituir a las mismas. Comentamos en los
siguientes apartados los tres más importantes.
4.1. Diagrama de barras
El diagrama de barras es junto al de sectores el gráfico más utilizado para variable

cualitativa. y cuantitativa discreta Se utiliza como complemento a la tabla de
frecuencias o incluso en algunos casos como sustitución de ésta.
7
En el eje de abscisas se sitúan a igual distancia los distintos atributos o bien los
valores discretos de la variable y posteriormente, a partir de cada atributo o valor
discretos se levantan barras de igual grosor y cuya altura sea la de la
correspondiente frecuencia absoluta observada.
Diagrama de barras para carácter cualitativo
Diagrama de barras para variable cuantitativa discreta
4.2. Diagrama de sectores
El diagrama de sectores es el gráfico más utilizado para variable cualitativa.

y cuantitativa discreta.
Suele estar indicado en los casos en los que hay pocos atributos (o pocos valores
de la variable discreta), ya que es en estos casos en los que la potencia visual del
gráfico es mejor que el ofrecido por el diagrama de barras.
Sin embargo, si existen muchos valores (o atributos), el impacto visual disminuye

muy ostensiblemente y no suelen observarse bien las características de la
distribución.
Para su construcción dividiremos el círculo en sectores circulares de manera que

los grados correspondientes a cada sector se obtengan a partir de las distintas
frecuencias absolutas de manera que sean proporcionales a éstas.
En la imagen siguiente se refleja esta proporción.
8
Diagrama de sectores para carácter cualitativo
4.3. Histograma
Cuando los datos vienen agrupados en intervalos, la representación gráfica que se

utiliza, muy parecida al diagrama de barras de variable discreta, es el histograma.
Para confeccionar un histograma, disponemos en el eje de abscisas todos los

intervalos y levantaremos con base cada intervalo, rectángulos cuyas alturas
sean proporcionales a las frecuencias absolutas.
Por tanto, el área de cada intervalo representará a la correspondiente

frecuencia absoluta del intervalo.
Es importante que los intervalos tengan la misma amplitud ya que en estos

casos la comparación de las áreas es muy sencilla y directa puesto que basta con
observar solamente las alturas de los rectángulos.
Por el contrario cuando las amplitudes son diferentes, la comparación de las áreas
de los rectángulos no es fácil.
4. Medidas de centralización y posición

Todos sabemos lo que significa la nota media de los exámenes de un curso, o el
hermano mediano en una familia o seguir la moda en cuanto a determinada
tendencia.
En estadística vamos a estudiar ciertos valores que resuman la tendencia

habitual o central de los datos de una distribución.
A LOS PARÁMETROS o MEDIDAS ESTADÍSTICAS QUE INFORMAN SOBRE la
tendencia habitual o central de los datos de una distribución se les denomina en
estadística MEDIDAS DE TENDENCIA CENTRAL.
Las más utilizadas son la media aritmética, la mediana y la moda
9
5.1. Media aritmética
Es una medida de centralización aplicable tanto a variables discretas y continuas,

pero no para caracteres cualitativos ya que estos no son cuantificables.
La media aritmética se define como la suma de todos los datos dividida entre el
número total de los mismos.
Como habitualmente dispondremos de una tabla de datos con sus correspondientes

frecuencias absolutas, aplicaremos:
La propia definición de media aritmética da pie a algunas características y

comentarios de este parámetro, como por ejemplo:
 La media no tiene porqué ser un valor propio de la variable.
 Es muy sensible a cambios y valores extremos en los datos.
 Se comporta de forma natural en relación a las operaciones aritméticas
suma y producto por un escalar; es decir si a todos los datos de una
distribución se les suma una misma cantidad, la media resultante
sería la anterior más dicha cantidad.
Si multiplicamos (dividimos) todos los datos de una distribución por
una cantidad distinta de cero, la media resultante sería la anterior
multiplicada (dividida) por dicha cantidad. Es decir:
Media aritmética para variable discreta
Pocos datos entonces datos no en tabla
Muchos datos se prepara una Tabla Xi f
Media aritmética para variable discreta y continua
Pocos datos entonces datos no en tabla
Muchos datos Tabla sin Intervalos X f Xf y grafica de bastones
Muchos datos Intervalos marca de Clase X f x*f e Histograma
10
Escena desarrollada por José Ireno Fernández Rubio(RED Descartes)
PARA EL CASO DE VARIABLE CONTINUA, solamente tenemos

que sustituir xi por ci siendo ésta última la MARCA DE CLASE DE CADA
INTERVALO; es decir el punto medio o valor central del intervalo.
Por abuso de lenguaje se suele utilizar indistintamente también para variables

continuas el símbolo xi para las marcas de clase
Influencia de un dato en la media
En la siguiente escena podemos observar cómo influye en la media la inclusión de

un nuevo dato o su eliminación: varia n varia la media
5.2. Mediana
Todo el mundo entiende cuál es el hijo mediano de un matrimonio o lo que significa

tener una altura mediana.
Estamos ante un parámetro que prioriza más la posición que se ocupa en la

distribución que el propio valor en sí mismo.
La mediana es aquel valor de la variable estadística que DEJA EL 50% DE

OBSERVACIONES POR DEBAJO A ÉL; así pues, la mediana DIVIDE EN DOS PARTES
IGUALES a la distribución estadística.
Obviamente es una medida de centralización aplicable sólo a variables estadísticas

y no a caracteres cualitativos.
Dentro de las PROPIEDADES DE LA MEDIANA se pueden destacar:
 Como medida descriptiva NO SE VE AFECTADA tanto como la media por la

presencia de valores extremos.
 Es de cálculo rápido y de fácil interpretación.
11
 Como inconveniente también HAY QUE DECIR QUE TIENE PROPIEDADES
MATEMÁTICAS COMPLEJAS que hacen que se utilice poco en inferencia
estadística.
En el caso continuo se puede razonar exactamente igual identificando en este caso
el intervalo mediana.
Si queremos asociar a la mediana un VALOR REPRESENTATIVO DEL INTERVALO,

muchos autores señalan simplemente la MARCA DE CLASE de dicho intervalo y otros
están de acuerdo en utilizar una fórmula que interpola linealmente el valor en el
intervalo.
En los ejercicios prácticos UTILIZAREMOS LA MARCA DE CLASE DEL INTERVALO

mediana.
Mediana para valores discretos

Pocos datos Numero Impar
Pocos datos Numero Par
Muchos datos en Tabla Usando Frecuencia Acumulada
Mediana para variable discreta y continua

V Discreta Tabla sin intervalo X f F Md > = N/2
V Continua Intervalo Marca de clase f F Md F <= N/2
Influencia de un dato en la mediana
En la siguiente escena podemos observar cómo influye en la mediana la inclusión de

un nuevo dato o su eliminación:
Datos deben estar ordenados
Caso Numero par de datos
55 55 56 58 60 69 69 73 Md = 59 = 58+60 /2
Caso Número Impar de datos
55 55 56 58 60 69 69 73 76 Md = 60
12
5.3. Moda
Cuando algo está de moda significa que mucha gente lo sigue o utiliza.
Se define la moda como el valor de la variable estadística QUE TIENE LA

FRECUENCIA ABSOLUTA MÁS ALTA.
Si existen varios valores con esta característica, entonces se dice que la distribución
tiene VARIAS MODAS (plurimodal).
Esta medida de centralización es sin duda la de más fácil cálculo.
SE SUELE UTILIZAR COMO complemento a la media aritmética y mediana ya que

por sí sola no aporta una información determinante de la distribución.
Como principales características de la moda se pueden mencionar:
 Es el único parámetro que tiene sentido también para variables

cualitativas.
 No es tan sensible como la media aritmética a valores extremos.
En el caso de variable continua se puede hablar de INTERVALO MODAL.
Si queremos asociar un valor concreto del intervalo, algunos autores acuerdan

UTILIZAR LA MARCA DE CLASE y otros, cuando la amplitud de los intervalos es la
misma, usan la fórmula que interpola linealmente el valor en el intervalo a partir de
los intervalos anterior y posterior.
En los ejercicios prácticos utilizaremos la MARCA DE CLASE DE LOS INTERVALOS

MODALES.
Moda para variable discreta
Tabla X f F
Moda para variable continua
Unimodal
Bimodal
Moda en datos agrupados X f
Moda datos agrupados Intervalo Marca de Clase f
13
5.4. Cuartiles
Los cuartiles constituyen las más populares de las medidas de localización.
Se utilizan continuamente en multitud de disciplinas y representan valores

estratégicos en cualquier distribución estadística ya que siguiendo el mismo patrón
que la mediana, dividen a dicha distribución de tal forma que:
 EL PRIMER CUARTIL Q1 es el valor de la variable que deja por debajo de
ella al 25% de los valores de la población.
 EL SEGUNDO CUARTIL Q2 que coincide con la Mediana (Me) es el valor de
la variable que deja por debajo al 50% de la población.
 EL TERCER CUARTIL Q3 es el valor de la variable que deja por debajo de
ella al 75% de la población.
En el caso continuo se puede razonar exactamente igual identificando en este caso
el intervalo cuartil primero o tercero.
Si queremos asociar valores representativos del intervalo a los cuartiles, muchos

autores señalan SIMPLEMENTE LA MARCA DE CLASE DE DICHOS INTERVALOS y
otros están de acuerdo en utilizar una fórmula que interpola linealmente los valores
en los correspondientes intervalos.
En los ejercicios prácticos UTILIZAREMOS LAS MARCAS DE CLASE DE LOS

INTERVALOS Q1 y Q3.
El concepto de cuartiles se extiende también al de percentiles como podremos

observar en las siguientes escenas.
EL PERCENTIL Pi es el valor de la variable que deja por debajo de ella al i% de los

valores de la población, por tanto el primer cuartil coincide con el percentil 25, el
segundo con el percentil 50 y el tercero con el 75.
En la siguiente animación puedes observar CÓMO SE DETECTAN los valores atípicos

aplicando el criterio anterior.
Animación desarrollada porRED Descartes
A CONTINUACIÓN, PUEDES EXPERIMENTAR CÓMO LOS VALORES ATÍPICOS

INFLUYEN sensiblemente en la media y en los cuartiles, Y ESA INFLUENCIA ES menor
para la mediana.
14
5.5. Diagrama de caja y bigotes (Box-whisker)
A partir de la información que proporcionan la mediana y los cuartiles primero y

tercero, se pueden construir unas representaciones gráficas muy sencillas que se
han popularizado mucho, sobre todo en los paquetes estadísticos más importantes
que circulan hoy en día por el universo informático. Son los denominados diagramas
de caja y bigotes. Para su construcción, solamente necesitamos las cotas de la caja,
que sedrán los valores de Q1 y Q3 y para la longitud de los bigotes los valores mínimo
y máximo de la distribución.
En la siguiente escena podemos ver en detalle cómo se construye este tipo de

diagramas.
Escena desarrollada por María José García Cebrian(RED Descartes)
Ahora puedes practicar y comprobar si has comprendido el significado y los

elementos de los diagramas de cajas y bigotes.
Escena desarrollada por María José García Cebrian(RED Descartes)
VALORES ATÍPICOS
La representación gráfica de los datos de una distribución estadística mediante los

diagramas box-whisker se ha popularizado mucho y ofrece una primera visión
gráfica muy acertada de las características principales de los elementos de la
distribución.
15
El diagrama de cajas y bigotes nos proporciona información de cómo se encuentran
concentrados los datos.
Sin embargo, para saber si hay algún valor más alejado o atípico que pueda influir
distorsionando el estudio de los diferentes parámetros estadísticos, algunos autores
consideran el siguiente criterio para distinguir y localizar a dichos posibles valores
atípicos. Cuando existen estos valores, el convenio que existe es dibujarlos en el
box-whisker como puntos aislados en lugar de unirlos de forma continua mediante
una recta.
El criterio de caracterización de valores atípicos o aislados es el siguiente:
En la siguiente animación puedes observar cómo se detectan los valores atípicos

aplicando el criterio anterior.
Animación desarrollada porRED Descartes
6. Medidas de dispersión
Las medidas de centralización no son suficientes para poder comprender lo que
acontece en una distribución de datos.
Piensa que una media de 5 con dos exámenes se puede obtener de formas muy
diferentes, por ejemplo, con dos cincos o con un cero y un diez, obviamente, aunque
la media es la misma en el primer caso las notas están concentradas y sin embargo
en la segunda se dan situaciones extremas.
Las medidas de dispersión indican si los datos están más o menos agrupados
respecto de las medidas de centralización.
16
6.1. Rango y desviación media
Llamamos rango o recorrido, a la diferencia entre el mayor y el menor valor de

la variable, indica la longitud del intervalo en el que se hallan todos los datos de la
distribución.
El rango es una medida de dispersión importante, aunque insuficiente para valorar

convenientemente la variabilidad de los datos, de ahí que deba complementarse con
otras medidas.
Una primera medida la encontramos en la variación media que nos sirve para
calcular cuánto en promedio se desvían los datos de la media aritmética.
Se define como la media de los valores absolutos de las diferencias entre la media
aritmética y los diferentes datos.
6.2. Varianza
La medida de dispersión más popularizada es sin duda la varianza. La filosofía de

esta medida es la misma que la de la desviación media, esto es, detectar las
variaciones de cada valor respecto a la media aritmética.
Sin embargo, como alternativa al valor absoluto cuyo objeto es evitar que se
compensen esas variaciones, aquí se elevan esas diferencias al cuadrado y ello
además "exagera" estas diferencias.
Por último, considera el promedio de dichas diferencias al que denomina varianza.

Se usa la letra S para variable discreta y la letra griega sigma para variable continua.
17
A partir de la fórmula anterior y después de desarrollar y simplificar se obtiene otra
expresión equivalente para la varianza que permite un cálculo más directo y sencillo
ya que en las tablas estadísticas que solemos construir en el cálculo de la media se
han calculado los productos xifi y ahora basta multiplicar este valor de nuevo
por xi.
Se suele recordar diciendo:
<< La varianza es igual a la media de los cuadrados menos el

cuadrado de la media>>
El principal inconveniente que presenta la varianza es que las unidades no

son las mismas que las de los datos de la distribución (se ha elevado al cuadrado).
Esto se solventa con la definición de un nuevo parámetro que se calculará a partir

del anterior que es la desviación típica y que definimos en el siguiente apartado.
6.3. Desviación típica.
La desviación típica se define como la raíz cuadrada positiva de la varianza.
Tiene el mismo cometido que ésta y además la ventaja de que las unidades en las
que se mide son las mismas que las de los datos de la distribución.
Puede considerarse la medida de dispersión por excelencia y aparece como tecla o

función directa en cualquier calculadora o programa estadístico.
Si tenemos en cuenta excrupulosamente la definición, la fórmula para el cálculo de

la desviación típica sería:
18
De la misma forma que en el apartado anterior.
Si desarrollamos y simplificamos la expresión anterior se llega a otra mucho más

simple que es la que se utiliza en la práctica y cuya expresión es:
6.4. Coeficiente de variación.
¿Qué es más homogénea, una población de perros con dsviación típica

2 kg u otra de vacas de desviación típica 5 kg?
Si se realiza un estudio estadístico en dos poblaciones diferentes, y queremos
comparar resultados, no se puede acudir simplemente al valor de la desviación típica
para ver la mayor o menor homogeneidad de los datos, es decir, el valor
numérico por sí solo no nos indicará qué distribución de datos está más o menos
dispersa.
Recurrimos para ello a otro parámetro, llamado coeficiente de variación y que se

define como el cociente entre la desviación típica y la media.
Se trata de un valor sin unidades y con él se podrán valorar dispersiones en

distribuciones diferentes.
¿Quieres efectuar la comparación de las notas de dos profesores tuyos? Puedes

hacerlo en la siguiente escena, la cual también puedes utilizar como simulador de
situaciones.
6.5. Puntuaciones normalizadas.
Al igual que en el apartado anterior hemos buscado comparar variables, también

podemos estar interesados en comparar datos de distribuciones distintas y saber,
19
cuál destaca más o menos dentro de su grupo según la característica observada.
Para situarnos podemos pensar en el hecho que suele comentarse de que un cinco
no se obtiene de igual manera con un profesor u otro, es decir, que puede depender
de la exigencia o de la dificultad de sus exámenes.
Esta comparación la vamos a abordar tipificando la variable con la fórmula:
De esta forma podemos comparar datos procedentes de distintas poblaciones
En la siguiente escena puedes observar, mediante la normalización de datos, la

comparación de las notas dadas a 100 alumnos por dos profesores.
Se presentan cuatro situaciones.
Escena desarrollada por José R. Galo Sánchez(RED Descartes)
¿Quieres efectuar la comparación de las notas de dos profesores tuyos? Puedes

hacerlo en la siguiente escena, la cual también puedes utilizar como simulador de
situaciones.
7. Calculadora
Cualquier calculadora científica ofrece de forma directa el cálculo de los
parámetros estadísticos más usuales.
Dependiendo del modelo, debes consultar el manual de uso para aprender a

disponer la calculadora en mode estadística unidimensional y la forma en la que
han de introducirse los datos.
Suele ser muy fácil, aunque difiere sustancialmente de un modelo de calculadora a

otro.
Generalmente puedes calcular directamente la media aritmética, la desviación típica

y también algunas sumas de datos, (totales y totales al cuadrado).
20
La calculadora, DESCARTES, en el modo de estadística unidimensional, ofrece
además de una introducción de datos muy simple, la posibilidad de calcular mediana,
moda y varianza de forma directa.
8. Problemas resueltos
A continuación tienes el enunciado de diferentes problemas. Trabájalos y una vez
los hayas resuelto puedes hacer clic sobre el botón para ver la solución.
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
COMBINATORIA
1. Introducción
En muchas ocasiones, en la vida real nos vemos en la necesidad de contar.
Esta acción aparentemente sencilla puede llegar a ser realmente muy complicada.
El hecho de contar objetos presentes y observables directamente es muy simple,

pero pensemos en situaciones donde la simple observación no basta.
Imagina como contar todas las matrículas de automovil que pueden construirse con
tres letras y cuatro números, imagina que necesitas conocer todos los signos de 5
elementos que se pueden formar con un punto y una raya, o todas las posibles
banderas de tres franjas horizontales de distintos colores, ...
Como ves las situaciones son a priori inimaginables y como ves también la expresión
que continuamente aparece en este tipo de contexto es ¿CUÁNTOS...?
La parte de las matemáticas que se dedica al estudio de este tipo de situaciones es

la Combinatoria.
Esta teoría nos proporcionará las técnicas y fórmulas que nos permitan encontrar
respuestas a muchos problemas como los anteriores.
En combinatoria las cuestiones planteadas se analizan fundamentalmente

atendiendo a las siguientes preguntas:
 Qué elementos disponemos para formar los grupos
 Cuántos elementos debe contener cada grupo
 Posibilidad de repetir elementos (o no) en los grupos
 La importancia o indiferencia en cuanto al orden en que aparecen los
elementos en las agrupaciones
En el siguiente vídeo podemos observar algunos problemas que nos permitirán

situarnos en el objetivo y la necesidad de la combinatoria
Veamos algunos ejemplos adicionales:
Video relacionado; probabilidad y combinatoria
40
Es evidente también que con un manejo aceptable de las técnicas de recuento que
analizaremos en esta unidad; se pueden abordar de una forma más técnica
problemas de probabilidad en los que el único abordaje posible sea el concepto de
probabilidad en el sentido clásico de Laplace y nos veamos obligados a contar casos
posibles y favorables.
En el siguiente vídeo podemos ver cómo la combinatoria nos puede ayudar en el

cálculo probabilístico.
Vídeo enlazado desde YouTube, licencia de YouTube estánda
2. principio general de recuento

La base sobre la que se apoya el edificio de la teoría combinatoria es el principio
general de recuento que no es más que LA CARDINALIDAD DEL PRODUCTO
CARTESIANO EN LA TEORÍA DE CONJUNTOS.
Si un experimento puede realizarse de n formas diferentes y un segundo

experimento puede hacerlo de m formas diferentes; entonces los dos
experimentos juntos se pueden realizar denm formas diferentes.
En el lenguaje de teoría de conjuntos:
Donde por Card denotamos el cardinal, es decir, número de elementos del conjunto
y A x B representa el producto cartesiano.
-Ana tiene en su armario 6 camisetas, 9 pantalones de deporte y 8 pares de

zapatillas.
Piensa si sería posible no repetir indumentaria duranto todos los días del año.
Aplicando el principio general de recuento:
Identificamos indumentaria con (C x P x Z); es decir el producto cartesiano de la

terna de conjuntos C (camisetas), P (pantalones), y Z (zapatillas)
El número de indumentarias sería pués 6 x 9 x 8 = 432 indumentarias diferentes.

-Un conocido restaurante afirma que el cliente puede comer durante dos años sin
repetir el menú.
41
En la carta aparecen 8 primeros platos, 15 segundos y 8 postres.
Analiza si se trata de una propaganda cierta o no.
Identificamos menú con (PP x SP x P); es decir el producto cartesiano de la terna

de conjuntos PP (primer plato), SP (segundo plato), y P (postre)
El número de menús diferentes sería pués 8 x 15 x 8 = 960, por tanto mucho más
de dos años sin repetir menú
En el siguiente vídeo podemos ver la importancia de hacer un buen recuento.

Se sitúa en Argentina y plantea que las matriculas de los vehículos iban ligadas
a un identificador provincial y seis dígitos, pero cuando Buenos Aires se
aproximó al vehículo un millón tuvieron que plantear un sistema que permitiera
que en el futuro no hubiera que retocar el sistema de nuevo.
Al final ¿qué les aconteció?
Aquí podría haber una escena en la que se monte el producto cartesiano (árbol) de
tres o cuatro productos con sus ramas variables en nnúmero correspondientes
3. Variaciones sin repetición

Imaginemos una carrera de 100 metros lisos en las olimpiadas.
Nos preguntamos por las distintas formas en las que se pueden obtener las medallas
de oro, plata y bronce.
Este problema sin duda se puede resolver sin necesidad de conocimientos previos
sobre combinatoria.
Pensemos que disponemos de tres puestos.
Para el primero se puede elegir a cualquiera de los ocho participantes.
42
Para el segundo, no puedo elegir al que ya está elegido para el primero, por
tanto solamente podremos elegirlo entre los siete restantes.
Para el tercero, siguiendo el mismo razonamiento nos quedarán seis

participantes.
Ahora aplicando el principio general de recuento al conjunto (O x P x B), el total de

resultados posibles para el podium sería 8 x 7 x 6 = 336.
EN COMBINATORIA, denominamos variaciones ordinarias o sin repetición

de n elementos tomados de m en m ( siendo m menor o igual que n) a cada uno
de los distintos grupos de m elementos escogidos de entre los n, de manera que:
 En cada grupo, los m elementos sean distintos.
 Dos grupos son distintos, si difieren en algún elemento o en el orden
de colocación.
El número de variaciones ordinarias lo representamos Vn,m y se calcula:
Puedes practicar en la siguiente escena:
Escena desarrollada por Juan Jesús Cañas Escamilla(RED Descartes)
4. Variaciones con repetición

Dentro de los juegos de apuestas más populares en España se encuentra sin duda
la quiniela de fútbol.
¿Cuántos resultados posibles pueden darse en catorce encuentros entre equipos de

primera y segunda división?
Este problema puede resolverse también sin conocimientos previos de combinatoria.
43
Imaginamos que cada resultado es un grupo de 14 símbolos y que dichos símbolos
solamente pueden ser 1, X o 2.
así para el primer signo que pongamos tendremos 3 posibilidades,
para el segundo también otras 3
y así sucesivamente hasta llegar al símbolo 14.
Ahora no tenemos más que aplicar otra vez el principio general de recuento al
conjunto (P1 x P2 x .......xP14).
Piensa también por ejemplo en:

 Un entrenador de fútbol dispone en la plantilla de su equipo de 7 delanteros
de la misma calidad y que pueden actuar indistintamente en los tres puestos
de ataque del equipo.
¿Cuántas delanteras distintas podría confeccionar?

 ¿De cuántas maneras diferentes se pueden repartir tres premios distintos
entre Juan, Pedro, María, Alicia y Pilar?
En combinatoria denominamos VARIACIONES CON REPETICIÓN de n elementos
tomados de m en m, (obsérvese que no hay restricción alguna en cuanto a los
valores de n y m), a los distintos grupos de m elementos, repetidos o no, que se
pueden formar.
44
Considerando:
- En cada grupo hay m elementos repetidos o no.
- Dos agrupaciones son diferentes si difieren en algún elemento o en el orden de

colocación.
Al número de variaciones con repetición lo notaremos, VRn,m y se calculará:
4. Permutaciones sin repetición

Imaginemos cuatro amigos que compran entradas para ver una película. Al sacar
estas entradas exigen estar sentados en la misma fila.
¿De cuántas formas diferentes podrán sentarse para ver la película?.
Un primer análisis de la situación nos sitúa el problema al mismo nivel del que se
resolvió en el epígrafe correspondiente a las variaciones sin repetición.
En realidad se trata del mismo razonamiento.
La primera butaca la pueden ocupar cualquiera de los cuatro amigos..
La segunda la pueden ocupar cualquiera menos el que ocupó la primera, es decir

tres posibilidades ,
y así seguiremos hasta la cuarta butaca que la podrá ocupar una persona.
Aplicando ahora el principio general de recuento al conjunto (B1 x B2 x B3 x B4), el

número de posibles agrupaciones sería : 4 x 3 x 2 x 1 = 24 resultados distintos.
En la imagen se presentan alguna de las posibilidades.
45
Y mediante un diagrama en árbol podemos representar todas las posibilidades que
ocurren en este ejemplo:
Veamos en un vídeo que acontece con seis amigos a la hora de sentarse en

una mesa
Existen otras muchas situaciones en las que se puede aplicar el mismo

razonamiento:
46
 ¿ De cuántas formas diferentes se pueden fotografiar 5 amigos
frontalmente en línea recta?
 Un técnico de sonido tiene que unir 6 terminales en 6 conexiones. Si lo
hiciera al azar, ¿ de cuántas formas diferentes podría completar las
conexiones?
 De cuántas formas diferentes se pueden introducir cinco cartas diferentes
en cinco sobres distintos.
Denominamos permutaciones ordinarias o sin repetición de n elementos,

a cada uno de los distintos grupos que pueden formarse de manera que:
 En cada grupo entran todos los n elementos.
 Un grupo se diferencia de otro únicamente en el orden de colocación de
los elementos.
Al número de permutaciones ordinarias de n elementos lo representaremos
por Pn y se calculará:
a este número lo llamaremos factorial de n y lo representaremos por n! Se utiliza

tanto que aparece como tecla directa en todas las calculadoras científicas.
6. Permutaciones con repetición

Imaginemos ahora una carrera por equipos. Es decir, una carrera en la que lo
importante es el país por el que participas y no el atleta individual.
Si en esta carrera intervienen 6 atletas franceses, 4 atletas jamaicanos y 4 atletas

nigerianos.
¿De cuántas maneras diferentes puede acabar la carrera atendiendo solamente a

los equipos?
Este caso lo podemos simplificar la situación identificando los atletas mediante las
iniciales de sus respectivos países.
FFFFFF, JJJJ , NNNN.
47
El problema es por tanto buscar todas las formas posibles de ordenar en la misma
fila 6 efes, 4 jotas y 4 enes.
A continuación puedes observar como se irían confeccionando algunas de las

ordenaciones. Piensa por un momento que si cerraras los ojos y te cambiaran de
lugar dos letras iguales, si los abres no percibirías ningún tipo de cambio.
Por ello necesitamos contar todos los casos en los que no distinguiríamos las
ordenaciones si cambiamos de lugar letras iguales
48
Todo ello nos conduce a la definición de Permutaciones con repetición:
DENOMINAMOS PERMUTACIONES CON REPETICIÓN de n elementos en los que uno

de ellos se repite "a" veces, otro "b" veces y así hasta el último que se
repite "k" veces (a+b+c+...+k = n) a todas las ordenaciones posibles de
estos n elementos.
Consideramos dos ordenaciones distintas si difieren en el orden de colocación de

algún elemento (distinguible).
Denotaremos a este tipo de permutación como:
y su cálculo se efectúa como:
7. Combinaciones sin repetición

Y de repente ¡deja de importar el orden!
Todas las semanas Loterías y Apuestas del Estado organiza un sorteo consistente
en la elección de seis números de un total de 49 posibles.
El juego es muy sencillo puesto que se gana premio si la combinación que tú has
elegido coincide con la que públicamente y aleatoriamente se realiza ante notario
mediante un procedimiento consistente en la extracción sin reemplazamiento de seis
bolas de un bombo en el que están las 49.
49
Analizando un poco la situación nos damos cuenta que dos personas que señalen los
mismos seis números, pero en distinto orden, en realidad tienen la misma apuesta.
es decir las 6!=720 formas distintas en las que se pueden seleccionar seis números
se tendrán que identificar como una sola.
Por tanto para localizar todas las posibles apuestas, dividiremos V49,6 entre las P6 .
Existen multitud de situaciones parecidas en las que necesitamos conocer el número

de agrupaciones en las que NO IMPORTA EL ORDEN.
Por ejemplo: Seleccionar cuatro alumnos de una clase que irán de excursión o
repartir cinco entradas entre diez amigos para ir a un concierto.
DENOMINAMOS COMBINACIONES ORDINARIAS O SIN REPETICIÓN de n elementos

tomados de m en m, (siendo m menor o igual que n) a las distintas agrupaciones
de m elementos de manera que:
 En cada grupo entren m elementos distintos.

 Dos grupos son distintos si difieren en algún elemento.
El número de combinaciones ordinarias de m elementos tomados de m en m , lo
denotaremos Cn,m y se calcula:
50
Se puede observar fácilmente que:
LAS COMBINACIONES SIN REPETICIÓN de n elementos tomados de m en m,

podrían formarse a partir de considerar las variaciones sin repetición de n elementos
tomados de m en m y posteriormente identificar las posibles reordenaciones de una
agrupación, (permutaciones de m elementos), como una única ya que el orden no
interviene en la agrupación que estamos considerando; esto es:

En el siguiente video podemos observar el planteamiento de un problema que

requiere de la combinatoria y su solución.
Propiedades de los números combinatorios
Los números combinatorios aparecen muy frecuentemente en multitud de

situaciones en Matemáticas, Física, Biología, etc...Figuran como tecla directa en
cualquier calculadora científica.
Como propiedades más interesantes merecen destacarse:
51
Cuando no existían calculadoras científicas, el cálculo de números combinatorios
requería de un trabajo complicado.
EL TRIÁNGULO DE PASCAL permitía de una forma recurrente y muy fácil calcular

cualquier número combinatorio, aunque es verdad que para cantidades elevadas
también era bastante engorroso.
En el siguiente video se realiza un análisis del triángulo de Pascal.
En la siguiente escena puedes ver muchas líneas del triángulo de Pascal y unas
propiedades curiosas.
Escena desarrollada por Miguel Ángel Cabezón Ochoa(RED Descartes)
Binomio de Newton
Una de las aplicaciones más interesantes desde el punto de vista algebraico para los
matemáticos, constituye el desarrollo de las distintas potencias de un binomio.
Conocido como binomio de Newton, utiliza los números combinatorios y sus

propiedades para desarrollar de forma fácil y directa la potencia natural de cualquier
expresión del tipo:
52
A continuación, tienes el enunciado de diferentes problemas. Trabájalos y una vez
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
PROBABILIDAD
1. Introducción
La innata curiosidad del ser humano ha provocado que siempre el hombre se haya
interesado por el motivo por el que ocurren los fenómenos que observa.
Para ello ha recurrido a todo, desde la superstición, la observación e interpretación

de los vuelos de aves, la lectura de vísceras de animales sacrificados, la magia y
rituales sacerdotales, hasta las más sofisticadas formulaciones de teorías
científicas.
En muchas ocasiones el éxito ha sido completo, de manera que ante unas

determinadas condiciones iniciales se pueden concluir unos resultados determinados
completos y precisos.
Sin embargo, existen experiencias que escapan a este determinismo, es como si

esas situaciones no pudieran domarse con las leyes que el hombre ha descubierto y
que, por tanto, es imposible ante una determinada situación o experiencia concluir
un resultado determinado.
Estamos en un contexto extraño donde las reglas dependen de tantos parámetros

que hacen inviable la predicción. Nos situamos en el territorio del azar.
AZAR
1. 1.Experimentos aleatorios y deterministas
Existen experimentos en los que conocidas las condiciones iniciales se pueden

predecir los resultados finales, son los sucesos deterministas.
Por ejemplo:
 Un móvil que realiza una trayectoria con una velocidad uniforme, emplea
un determinado tiempo en recorrer un espacio.
Si se repite la experiencia y se mantiene la velocidad tardará el mismo

tiempo en recorrer dicho espacio.
 Un objeto que se deja caer desde cierta altura, alcanza el suelo con una
determinada velocidad final.
Si repetimos el experimento en idénticas condiciones, se repetirán

también los resultados.
74
Sin embargo, existen experiencias en las que no ocurre esto o por lo menos así lo
parece.
 Cuando lanzamos una moneda no trucada al aire, no sabemos si va a salir
cara o cruz.
 En el lanzamiento de un dado no podemos decidir cuál de las seis caras
saldrá.
 Multitud de juegos, como la lotería, la quiniela, los dados, la primitiva...
tienen en común que el resultado final es impredecible.
A todos estos experimentos se les denomina aleatorios.
¿Y quién se atreve a estudiar concienzudamente este tipo de experimentos cuyos

resultados parecen escapar de todo control y lógica?
Evidentemente las Matemáticas y sobre todo y especialmente algunos matemáticos.

Fundamentalmente, es a partir del siglo XVIII cuando se estructuran, proponen y
desarrollan los conceptos relacionados con la probabilidad hasta cotas realmente
prodigiosas.
En la escena interactiva siguiente se puede simular un proceso aleatorio de

extracción de uno a cuarenta y nueve números del 1 al 49.
El único suceso determinista es la extracción de 49 números, el resto de sucesos

son aleatorios.
Selecciona la cantidad de números a marcar y pulsa el botón "Nuevo sorteo".

¿Conoces, a priori, los números que van a salir?
Escena de Salvador Calvo-Fernández Pérez, adaptada por José R. Galo Sánchez(RED

Descartes)
En el juego de la Lotería Primitiva lo que se busca es acertar seis números elegidos

del 1 al 49.
Mediante el estudio de la probabilidad podremos averiguar cuán fácil o difícil es

acertar.
De partida, te advertimos que no te dejes embelesar por los juegos de azar, pues,
como verás, la probabilidad de perder es muchísima mayor que la de ganar y estos
juegos no son justos, es decir, la ganancia es inferior a la que correspondería si
estuviera acorde con la probabilidad de que ocurra el suceso ganador.
75
2.Conceptos generales
En este tema vamos a utilizar muchos nombres específicos que ya se han visto en
anteriores cursos de educación secundaria y que definen diversos conceptos en el
contexto probabilístico. Por ello, de forma muy resumida vamos a recordar los más
importantes.
2.1. Espacio muestral
Al conjunto formado por todos los posibles resultados elementales de un

experimento aleatorio se le denomina espacio muestral de dicho experimento.
Si consideramos, por ejemplo, el experimento consistente en el lanzamiento de una
moneda:
 Los sucesos elementales son Cara (C) y Cruz (X)

 El espacio muestral asociado a dicho experimento es: E = {C, X}
En la siguiente escena puedes observar algunos ejemplos de experimentos
aleatorios, sus espacios muestrales y cómo construirlos.
2.2. Sucesos y tipos de sucesos
En el contexto probabilístico, denominamos suceso a cualquier subconjunto de un

espacio muestral; esto es, a cualquier posible resultado de un experimento
aleatorio.
 Suceso elemental
Un suceso se dice que es un suceso elemental si está formado por un
único elemento del espacio muestral.
Por ejemplo, al tirar un dado el suceso consistente en obtener un cinco.

 Suceso compuesto
Un suceso se dice que es un suceso compuesto si está formado por más
de un elemento del espacio muestral.
En el mismo ejemplo anterior obtener un número par, es decir, que

salga un 2 o un 4 o un 6.
Entre los diferentes sucesos destacaremos los siguientes:
 Suceso seguro
El suceso seguro es aquél que está formado por todos los resultados
posibles del espacio muestral (E), es decir aquél que se cumple siempre.
Por ejemplo al tirar un dado cúbico obtener un número del uno al seis.
76
 Suceso imposible
El suceso imposible es aquél que no ocurre nunca. Se expresa con el
símbolo Ø. Por ejemplo, obtener un ocho al tirar un dado cúbico.
 Suceso contrario o complementario de otro suceso

Se define el suceso contrario a A como el suceso que acontece cuando
no ocurre A.
EL suceso contrario a obtener un número par es obtener uno impar.

Suele denotarse como:
En la escena siguiente puedes observar algunos ejemplos de un suceso y del suceso

contrario o complementario.
En la escena siguiente puedes observar algunos ejemplos de un suceso y del suceso

contrario o complementario.
3. Operaciones con sucesos

En el conjunto de todos los sucesos asociados a un espacio muestral, se puede
operar con dichos sucesos para obtener a su vez otros.
En este sentido y desde el punto de vista matemático se puede definir la unión y la

intersección de sucesos, y con estas operaciones dicho conjunto adquirirá una
estructura matemática muy importante que se denomina Álgebra de Boole.
3.1. Unión de sucesos
El suceso unión de A y B es el suceso que ocurre cuando ocurre A, ocurre B u ocurren

ambos.
Está formado por todos los elementos de A y todos los de B. Lo indicamos así:
77
3.2. Intersección de sucesos
El suceso intersección de A y B, es el suceso que ocurre cuando ocurre A y ocurre

B. Está formado por los resultados comunes a los sucesos A y B. Lo indicamos así:
3.3. Diferencia de sucesos
En realidad no se trata de una nueva operación ya que se define a partir de las dos
anteriores.
Sin embargo dada la gran asiduidad y el carácter fundamentalmente práctico con el

que aparece en muchas situaciones merece la pena que hablemos de ella en un
apartado propio.
La diferencia de dos sucesos,que se denota A-B o bien A\B, es el suceso que ocurre
cuando ocurre A, pero no ocurre B.
En la siguiente escena pueden observarse algunos ejemplos de sucesos y de

operación con ellos.
Escena desarrollada por Mª José García Cebrian(RED Descartes)
En la siguiente escena se pueden ver algunos ejemplos de sucesos compatibles e

incompatibles.
78
4. Álgebra de Boole de sucesos.

Leyes de Morgan
El conjunto de todos los sucesos de un espacio muestral junto con las operaciones
unión e intersección definidas anteriormente, cumple una serie de propiedades que
lo dotan de una estructura matemática conocida como álgebra de Boole.
En el siguiente cuadro se resumen las propiedades y consecuencias directas más

importantes.
Las leyes de Morgan son de gran utilidad.
Su aplicación permite, en muchas situaciones, calcular probabilidades de un suceso

a partir de las probabilidades de otros que sean más fáciles o bien cuando
necesitamos apoyarnos en algunas probabilidades que se den como datos.
Pulsa sobre la siguiente imagen para acceder a un vídeo donde se demuestran las
Leyes de Morgan.
Su autor es el profesor Rafael Cabrejas Hernansanz y accedemos a su página web

para verlo.
79
5. Probabilidad
La definición de PROBABILIDAD se puede abordar desde diferentes puntos de vista
o contextos.
En los tres apartados siguientes abordamos sendos planteamientos:
 Definición de Bernouilli basada en el comportamiento de las

frecuencias relativas obtenidas en los experimentos aleatorios.
 Definición de Laplace para sucesos equiprobables.
 Definición Axiomática, es decir, basada en unos principios básicos que
sirven de base sobre los que razonar y construir la teoría matemática.
5.1. Definición de Bernouilli

La primera idea intuitiva de probabilidad guarda una estrecha relación con el
concepto de frecuencia relativa de un suceso en un determinado experimento
aleatorio.
Si realizamos la experiencia muchas veces, la frecuencia relativa tiende a

estabilizarse alrededor de un determinado valor.
La probabilidad de un suceso A de un experimento aleatorio se puede definir como

el número al que se aproximan las frecuencias relativas de dicho suceso cuando el
experimento se repite un número indefinido de veces.
En la siguiente escena puedes comprobar como la probabilidad teórica y las

frecuencias relativas tienden a ser muy parecidas cuando se aumenta el número de
lanzamientos.
En el control inferior etiquetado como "Nº de tiradas" puedes indicar cuantos

lanzamientos deseas realizar y cada vez que pulses el botón "Tirar" se simula ese
número de tiradas,
Los resultados obtenidos se representan mediante el diagrama de barras de color

verde, donde la altura de cada barra es la frecuencia relativa de ese resultado.
También se refleja el valor numérico de esta frecuencia en el mismo color.
80
Pulsando el botón "Dibujar probabilidad" se representa en un diagrama de barras la
probabilidad teórica de manera análoga y su valor (redondeado a dos decimales).
Cambia los valores en el "Nº de tiradas" y comprueba qué ocurre. Prueba con diez,
cien, mil, diez mil y cien mil tiradas.
5.2. Definición de Laplace

Desde el punto de vista práctico, la definición que mejor se adapta a la resolución
de la mayoría de los problemas de probabilidad es la de Laplace.
Sin embargo, desde la óptica del rigor matemático puede decirse, sin duda, que es
la peor.
Para poder aplicarla es necesario contar con un espacio Muestral con un número
finito de sucesos simples y todos ellos han de tener la misma posibilidad de suceder,
es decir que sean sucesos equiprobables.
En este supuesto se define la probabilidad de cualquier suceso A como:
En el vídeo siguiente podemos ver un ejemplo en el que los sucesos no son

equiprobables y por tanto no es aplicable la probabilidad de Laplace.
81
3.Definición axiomática
(Kolmogorov)
LA DEFINICIÓN MÁS ASÉPTICA Y PERFECTA desde el punto de vista matemático es
la que denominamos axiomática y que define la probabilidad como una aplicación o
ley que relaciona un espacio muestral con el intervalo [0 , 1] de manera
que a cada suceso se le hace corresponder un número de dicho intervalo
verificando:
Como consecuencia inmediata de la definición se pueden deducir las siguientes

propiedades:
(1) La probabilidad del suceso contrario a A es uno menos la probabilidad de A

(2) La probabilidad del suceso imposible es cero
(3) La probabilidad de dos sucesos compatibles es la suma de las probabilidades

de cada uno menos la de la intersección.
Esta propiedad se puede generalizar a más de dos sucesos. Por ejemplo en el caso
de tres sería:
Pulsa sobre la siguiente imagen para acceder a un vídeo donde se detalla la

axiomática de la Probabilidad.
6. Probabilidad condicionada
Supongamos que disponemos de una urna en la que hay 4 bolas negras y una
blanca.
82
Si sacamos una bola, la probabilidad de que sea blanca obviamente sería 1/5.
Si la bola EXTRAIDA LA DEVOLVEMOS A LA URNA y realizamos una nueva extracción,

la probabilidad de que la bola sea blanca no ha variado y vuelve a ser la misma.
Si por el contrario la primera bola que extraemos NO LA DEVOLVEMOS A LA URNA,

este hecho influye de forma notable en la probabilidad de que la segunda bola sea
blanca, es decir la probabilidad de que la segunda bola sea blanca depende o está
condicionada por lo que ha ocurrido en la primera extracción.
Existen muchas situaciones en las que la ocurrencia de un suceso influye en la

ocurrencia o no de otro.
Así por ejemplo en medicina, el hecho de que una mujer sea portadora de cierta
enfermedad influye en que el próximo hijo que tenga adquiera dicha enfermedad, o
por ejemplo si una persona es fumadora el riesgo de padecer hipertensión es mucho
mayor que en un no fumador.
Se denomina probabilidad condicionada del suceso A respecto del suceso B

(probabilidad de A condicionado a B) y se representa p(A/B) al cociente:
De las definiciones anteriores se obtiene la fórmula general para la probabilidad de

la intersección de sucesos.
Esta definición se puede generalizar al caso de la intersección de varios sucesos:
83
En la siguiente escena puedes comprobar la diferencia entre la probabilidad de los
sucesos cuando se realiza devolución de la carta extraida y cuando no se hace.
El principal resultado relacionado con la probabilidad condicionada, especialmente

útil desde el punto de vista práctico, es el teorema conocido con el nombre de
probabilidad total que describiremos en un apartado posterior.
7. Independencia de sucesos.
Criterio
Dos sucesos se dicen independientes cuando la ocurrencia de uno de ellos no influye
en la ocurrencia o no de otro.
En la siguiente escena puedes ver como no hay independencia en los sucesos que
se presentan.
CUANDO SE CUMPLA QUE p(B/A) coincida con p(B) se dice que los sucesos A y B
SON INDEPENDIENTES.
En este caso la probabilidad de LA INTERSECCIÓN SERÍA el producto de las

probabilidades de cada suceso.
La situación se puede generalizar a la intersección de varios sucesos independientes:
8. Sistema completo de sucesos

En cualquier espacio muestral se pueden observar múltiples sucesos.
Sin embargo, es extraordinariamente importante poder considerar en el conjunto

total del espacio una determinada disposición de sucesos sencillos de manera que
no se solapen unos con otros y TAL QUE LA UNIÓN DE ELLOS cubran totalmente y
sin ambigüedad A TODO EL ESPACIO MUESTRAL.
84
En este sentido, si por ejemplo pensamos en el espacio muestral de los resultados
posibles del lanzamiento de un dado, los sucesos elementales: {1} , {2}, {3}, {4},
{5} y {6} cumplen las condiciones anteriores, pero no serían los únicos.
Otras formas de "dividir" el espacio muestral con estas premisas podrían ser:
 {salir par} , {salir impar}
 {salir menor de 3}, {salir mayor o igual de 3}
 {salir primo}, {no salir primo}
¿Qué descomposición utilizar?,

obviamente dependerá de lo que se pregunte en cada problema, pero como veremos
más adelante, la disposición de esta manera del espacio muestral será primordial
desde un punto de vista práctico.
Cuando un conjunto de sucesos cubren totalmente un experimento

aleatorio Y ADEMÁS estos sucesos no tienen ningún elemento en común, estamos
hablando de un sistema completo de sucesos.
EN EL LENGUAJE MATEMÁTICO, se dice que los sucesos A1 , A2 , A3 , .....An ,
CONSTITUYEN UN SISTEMA COMPLETO DE SUCESOS para un determinado
experimento aleatorio si y solo si
LA UNIÓN DE TODOS ELLOS es igual a todo el espacio Muestral
Y ADEMÁS SOn incompatibles dos a dos;
esto es: la intersección de cualquier pareja de los mismos es vacía.
SI SE TIENE UN SISTEMA COMPLETO DE SUCESOS, en base a él, CUALQUIER OTRO

SUCESO SE PUEDE DESCOMPONER EN SUCESOS INDEPENDIENTES, para ello
BASTA intersecar este suceso con cada uno de los del sistema completo.
85
EN LA IMAGEN ANTERIOR PODEMOS OBSERVAR cómo se ha realizado una partición
del suceso A en CUATRO SUCESOS INDEPENDIENTES y consecuentemente LA
PROBABILIDAD DE ESE SUCESO B que lo parte se puede obtener como la suma de
las probabilidades de cada uno de ellos:
9. Teorema de la probabilidad total

Dado un suceso B de un experimento aleatorio, SI se determina un sistema completo
de sucesos A1, A2, ..., An respecto del cual se conocen las probabilidades
condicionadas p(B/A1), p(B/A2), ...,.p(B/An), ENTONCES la probabilidad INDIVIDUAL
de ese suceso B se puede calcular como:
Este resultado se conoce como el TEOREMA DE LA PROBABILIDAD TOTAL y su

demostración es muy sencilla apoyándonos en los resultados obtenidos en apartados
anteriores.
 Dado que podemos realizar una partición del suceso B a partir del sistema
completo de sucesos tenemos que:
 Y puesto que por la probabilidad condicionada:
86
el teorema queda demostrado.
En la siguiente escena puedes practicar con la probabilidad condicionada y aplicar el
Teorema de la probabilidad total.
10. Teorema de Bayes

Pulsa sobre la siguiente imagen para acceder a un vídeo donde se detalla el
denominado como Teorema de Bayes.
El terorema de Bayes puede y suele expresarse en función de un sistema completo

de sucesos.
Si denominamos Ai a cada uno de los sucesos de un sistema y siempre que la

probabilidad de Ai sea distinta de cero, SI se conocen las probabilidades
condicionadas p(B/Ai) entonces:
Para obtener esta expresión BASTA APLICAR EL TEOREMA DE BAYES y EL TEOREMA

DE LA PROBABILIDAD TOTAL.
¿Lo haces?
¿Y por qué es tan importante este Teorema?

La respuesta puede centrarse en SU APLICABILIDAD para tratar de conocer las
causas de un determinado hecho que se ha dado.
87
Por ejemplo:
 Se conoce, después de muchos estudios y durante muchos años, la
probabilidad de retraso de un avión en un día lluvioso.
Pero si se ha producido un retraso,
¿cuál sería la probabilidad de que el día sea lluvioso?
 Si se conoce que la probabilidad de tener cierta enfermedad, si has dado
positivo en un determinado test, es del 99%.
Pero si una persona ha dado positivo al test,
¿Cuál sería la probabilidad de no tener la enfermedad?
(Esto es lo que se denomina un falso positivo).
En la siguiente escena podemos ver algunos ejemplos de aplicación del Teorema de

Bayes.
Las imágenes proceden de la presentación realizada por José Gallegos Fernández

(jgfpitagoras2011) y publicada en este enlace.
En la siguiente escena interactiva puedes prácticar con el Teorema de Bayes.

Escena desarrollada por José Ireno Fernández Rubio(RED Desca
88
11. Ejemplos TIPOS DE PROBLEMAS
- resueltos
En este apartado abordaremos la resolución de tres tipos de problemas, los cuales
nos servirán de guía en la resolución de aquellas cuestiones análogas que podamos
encontrarnos.
En concreto contemplaremos:
 Ejemplos sencillos de probabilidad condicionada
 Resolución con esquemas tipo árbol
 Resolución con tablas de contingencia
11.1. Ejemplos sencillos de probabilidad condicionada
1. En un examen de Lengua se debe contestar a dos temas elegidos al azar de entre

los 30 de que consta dicha materia. Si un alumno ha estudiado perfectamente 12
temas. Calcula la probabilidad de:
a) Que el alumno haya estudiado los dos temas.

b) Que solamente haya estudiado uno
c) Que no haya estudiado ninguno
SOLUCIÓN
2. Una urna A, contiene cinco bolas numeradas del 1 al 5 y otra urna B contiene
cuatro bolas numeradas del 6 al 9.
Elegimos al azar una de las urnas y sacamos una bola. Calcula:
a) Probabilidad de que la bola sea la 5.

b) Probabilidad de que sea la bola 8
c) Probabilidad de que sea una bola par
89
SOLUCIÓN
11.2. Esquematización en árbol

1. En una autopista, un conductor cambia de carril de forma totalmente aleatoria
cada minuto.
Si la autopista tiene cuatro carriles,
¿cuál es la probabilidad de que a los cuatro minutos se encuentre en el carril del que
partió en un principio?
(Estudia los casos de carril interior y exterior)
SOLUCIÓN
Situación de la autopista:
PRIMER CASO: Supongamos que parte de un carril exterior:
{Acabar en A partiendo de A}
p({Acabar en A partiendo de A})=(1)(1/2)(1)(1/2)+(1)(1/2)(1/2)(1/2) = 1/4 +
1/8 = 3/8
Análogamente desde el otro carril exterior D el resultado sería el mismo.
p({Acabar en D partiendo de D})=(1)(1/2)()1)(1/2)+(1)(1/2)(1/2)(1/2) = 1/4 +
90
1/8 = 3/8
SEGUNDO CASO: Supongamos que parte de un carril interior:
p({Acabar en B partiendo de B}) = (1/2)(1)(1/2)(1) + (1/2)(1/2)(1/2)(1) +

(1/2)(1/2)(1/2)(1) +(1/2)(1/2)(1/2)(1/2) + (1/2)(1/2)(1)(1/2) =
1/4 + 1/8 +1/8 +1/16 + 1/8 = p({Acabar en B partiendo de B}) = 11/16
Análogamente si parte del carril interior C

p({Acabar en C partiendo de C}) = 11/16
2. Una urna A contiene 3 bolas numeradas del uno al tres y otra urna B contiene 6
bolas numeradas del uno al seis.
La urna A tiene el doble de probabilidad de ser elegida que la urna B.
Si se elige una urna al azar y se extrae una bola, calcula la probabilidad de que
tenga el número uno.
Si la bola extraída tenía el número uno, calcula la probabilidad de que proceda de la

urna A.
SOLUCIÓN
Dibujamos el diagrama en árbol que esquematiza la situación
91
11.3. Tablas de Contingencia
1. En una clase en la que todos los alumnos practican algún deporte, el 60% juega
al fútbol o al baloncesto y el 10% practica ambos deportes.
Además hay un 60% que no juega al fútbol. Escogido un alumno al azar; calcula:
a) Probabilidad de que solo juegue al baloncesto.

b) Probabilidad de que practique uno solo de los deportes.
c) No juegue ni al futbol ni al baloncesto.
SOLUCIÓN
92
2. Se hace una encuesta en un grupo de 120 personas, preguntando si les gusta
leer y ver la televisión. Los resultados son:
- A 32 personas les gusta leer y ver la tele.
- A 92 personas les gusta leer.
- A 47 personas les gusta ver la tele.
Si elegimos al azar una de esas personas:
a) ¿Cuál es la probabilidad de que no le guste ver la tele?
b) ¿Cuál es la probabilidad de que le guste leer, sabiendo que le gusta ver la tele?
c) ¿Cuál es la probabilidad de que le guste leer?
SOLUCIÓN
93
3. En un pueblo hay 100 jóvenes; 40 de los chicos y 35 de las chicas juegan al
tenis. El total de chicas en el pueblo es de 45. Si elegimos un joven de esa
localidad al azar:
a) ¿Cuál es la probabilidad de que sea chico?
b) Si sabemos que juega al tenis, ¿cuál es la probabilidad de que sea chica?
c) ¿Cuál es la probabilidad de que sea un chico que no juegue al tenis?
SOLUCIÓN

A continuación tienes el enunciado de diferentes problemas. Trabájalos y una vez
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109

Estadistica 4eso 109

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Estadistica 4eso 109

Caricato da

Copyright:

Formati disponibili

ESTADISTICA 4ESO

La lectura rápida de cualquier periódico enfoca nuestra atención en los titulares y en

"Estadística"; palabra que etimológicamente deriva de la palabra "status", que

Vídeo enlazado desde YouTube, licencia de YouTube estándar

1. 1.Un poco de historia

Vamos a reflejar algunas pinceladas rápidas sobre la aparición de la Estadística, (o

Seguramente para encontrar pistas sobre el origen de la estadística, tendríamos que

En MUCHOS MONUMENTOS EGIPCIOS se encontraron interesantes estelas, jeroglíficos, en una

EN LA CULTURA ASIRIA O MESOPOTÁMICA, se conservan tablillas con inscripciones cuneiformes

EN CHINA aparecen innumerables documentos con referencias a poblaciones, censos , recuentos

Así pues, la estadística aparece, a lo largo de la historia como un poderoso

La estadística, en general, es la ciencia que TRATA DE LA RECOPILACIÓN,

Dentro de la estadística se distinguen DOS RAMAS FUNDAMENTALES,

 Estadística Descriptiva: puede decirse que la estadística descriptiva

El cálculo de parámetros definidores y transcriptores de muchas de las

Mediante la Estadística Descriptiva emprendemos actividades

Vídeo enlazado desde YouTube, licencia de YouTube estándar

Como puedes ver solamente en un objetivo de lo que se persigue en estadística

No obstante y de forma muy resumida vamos a recordar los más importantes.

Pulsa en la siguiente imagen para acceder a un vídeo.

Vídeo enlazado desde YouTube, licencia de YouTube estándar

2.1. Espacio muestral

Al conjunto formado por TODOS los posibles resultados elementales de un

Si consideramos, por ejemplo, el experimento consistente en el lanzamiento de

2.1. Población, muestra, individuo y carácter

Es obvio que todo estudio estadístico ha de estar referido a un conjunto o

Este conjunto de personas o cosas es lo que denominaremos población.

Cada uno de estos objetos que forman parte de la población se denominan

A su vez, CADA ELEMENTO DE LA POBLACIÓN tiene una serie de características

Así por ejemplo si consideramos como elemento a una persona, podemos

Normalmente en un estudio estadístico hay muchos condicionantes que impiden

Una muestra es cualquier subconjunto de una población. Cuando los elementos

2.2. Variables y atributos

Al conjunto de valores que puede tomar un carácter cuantitativo lo

 Variables Cualitativas o Atributos. Los atributos son aquellos

A su vez se pueden clasificar en:

 No ordenables: Aquellas que sólo admiten una mera ordenación

 Cuantitativas continuas: Aquellas que no se pueden

No obstante en muchos casos el tratamiento estadístico hace

Esto ocurre por ejemplo en casos en los que la variable toma

3. Tabulación de datos y gráficos

El paso siguiente en estadística al trabajo de campo es la disposición de los datos

Tabulación para carácter cualitativo

En los casos de carácter cualitativo, la tabulación de los datos es muy simple.

Las tres columnas a construir que tienen sentido hacen referencia a:

 El valor de los atributos

Tabulación para variable cuantitativa discreta

En los casos correspondientes a variable cuantitativa discreta, la tabulación

Las primeras columnas que deben aparecer en la tabulación de variable

En algunos casos se puede utilizar el porcentaje en lugar de las frecuencias

Tabulación para variable cuantitativa continua

En variables continuas, o en discretas en las que el número de datos distintos

La elección de la amplitud de clase de los intervalos, la consideración si las

En prensa, internet y televisión fundamentalmente, y también en las ciencias

Los gráficos estadísticos constituyen una herramienta fundamental en lo que se

4.1. Diagrama de barras

El diagrama de barras es junto al de sectores el gráfico más utilizado para variable

Diagrama de barras para carácter cualitativo

Diagrama de barras para variable cuantitativa discreta

4.2. Diagrama de sectores

El diagrama de sectores es el gráfico más utilizado para variable cualitativa.

Sin embargo, si existen muchos valores (o atributos), el impacto visual disminuye