Educación secundaria

para personas adultas

Ámbito científico tecnológico

Educación a distancia semipresencial

Módulo 4
Unidad didáctica 4
Estadística y probabilidad
Índice
1. Introducción............................................................................................................... 3
1.1 Descripción ......................................................................................................................3
1.2 Conocimientos previos ....................................................................................................3
1.3 Criterios de evaluación ....................................................................................................3
2. Secuencia de contenidos y actividades.......................................................................... 4
2.1 Estadística .......................................................................................................................4
2.1.1 Utilidad de la estadística .................................................................................................................................... 4
2.1.2 Conceptos previos.............................................................................................................................................. 5
2.1.3 Fases y tareas de un estudio estadístico ........................................................................................................... 6
2.1.4 Tablas de frecuencias ........................................................................................................................................ 7
2.1.5 Gráficos estadísticos ........................................................................................................................................ 10
2.1.6 Parámetros estadísticos. Cálculo y significado ................................................................................................ 13
2.2 Probabilidad ..................................................................................................................21
2.2.1 Experimentos aleatorios. Sucesos ................................................................................................................... 21
2.2.2 Probabilidad y frecuencia ................................................................................................................................. 23
2.2.3 Ley de Laplace para el cálculo de la probabilidad .......................................................................................... 24
2.2.4 Sucesos compuestos. Diagramas de árbol ...................................................................................................... 26
3. Actividades finales .................................................................................................. 29
4. Solucionario............................................................................................................. 33
4.1 Actividades propuestas .................................................................................................33
4.2 Actividades finales .........................................................................................................41
5. Glosario .................................................................................................................... 47
6. Bibliografía y recursos ........................................................................................... 48
7. Anexo. Licencia de recursos .................................................................................. 49

Página 2 de 49
1. Introducción
1.1 Descripción
En esta unidad podemos distinguir dos bloques, un primer bloque dedicado a la
estadística y otro a la probabilidad.

 De módulos anteriores conocemos aspectos básicos sobre la estadística, las

distintas fases de un estudio estadístico, las muestras y la representatividad de
estas sobre las poblaciones, algunos parámetros de posición y dispersión que nos
proporcionan importante información de las muestras y de las poblaciones,
diferentes formas de representación gráfica de los estudios estadísticos, etc. En
este módulo profundizaremos un poco más sobre todos estos aspectos y
estudiaremos algunos más que también son necesarios en cualquier estudio
estadístico básico.

 En el segundo bloque estudiaremos conceptos relacionados con el azar y la

probabilidad, la relación entre la frecuencia y la probabilidad de un suceso y la
regla de Laplace, que nos permitirá fácilmente calcular dicha probabilidad.

1.2 Conocimientos previos

Esta unidad se basa en conocimientos previos de los módulos anteriores. Aunque se

hará un pequeño recordatorio mediante ejemplos de esos conceptos, sería muy útil
repasar ciertos conceptos básicos como:

 Medidas de posición: media, moda, mediana. Cálculo, interpretación y

propiedades.

 Medidas de dispersión: varianza y desviación típica.

 Diferentes gráficos estadísticos: diagrama de barras, histograma y diagrama de

sectores.

1.3 Criterios de evaluación

 Utilizar el vocabulario adecuado para la descripción de situaciones relacionadas con el
azar y la estadística, analizando e interpretando informaciones que aparecen en los
medios de comunicación y fuentes públicas oficiales (IGE, INE, etc.).

 Estimar la posibilidad de que se produzca un suceso asociado a un experimento aleatorio

sencillo, calculando su probabilidad a partir de su frecuencia relativa, la regla de Laplace o
los diagramas de árbol, e identificando los elementos asociados al experimento.

Página 3 de 49
2. Secuencia de contenidos y actividades
2.1 Estadística

2.1.1 Utilidad de la estadística

En la actualidad la estadística se entiende como un método en la toma de decisiones,

de ahí la importancia en multitud de estudios científicos de todas las ramas del saber:

 ¿Cómo decidir si un nuevo producto comercial tendrá éxito?

 ¿Influye el IPC en la tasa de desempleo?

 ¿Qué diría un sociólogo sobre la intención del voto después de analizar una
encuesta?

 A partir de un estudio sobre el crecimiento de la población de un país, ¿podrá un

experto en geografía humana calcular la población del año 2050?

 ¿Cuáles serán las necesidades escolares de un país para los próximos cinco
años?

Muchas de estas preguntas tienen su respuesta gracias a la estadística, ya que a

través de procedimientos de inferencia estadística se puede responder a las
cuestiones formuladas con un margen de error prefijado; esto evidentemente ya sale
fuera de los contenidos a estudiar en esta unidad.

Divisiones de la estadística

Estadística descriptiva o deductiva

Trata del recuento, la ordenación y la clasificación de los datos obtenidos de las

observaciones. Se construyen tablas y se representan en gráficos que permiten
simplificar en gran medida la complejidad de los datos que intervienen en la
distribución. En base a los datos, se obtienen los parámetros estadísticos que
caracterizan la distribución. Esta parte de la estadística se limita a realizar
deducciones directamente a partir de los datos y los parámetros obtenidos.

Estadística inferencial o inductiva

Formula y resuelve el problema de establecer previsiones y deducciones generales

sobre una población a partir de los resultados obtenidos de una muestra. Utiliza los
resultados obtenidos mediante la estadística descriptiva y se apoya fuertemente en el
cálculo de probabilidades.

Página 4 de 49
2.1.2 Conceptos previos

Antes de exponer los conocimientos previos presentaremos una actividad resuelta.

Actividad resuelta

El ayuntamiento de una localidad necesita conocer los hábitos en el tiempo libre de la

gente joven, con edades comprendidas entre los 12 y los 17 años, para saber qué
actividades puede proponer.

 Definimos población como el conjunto de todos los elementos sobre el que se va

a realizar el estudio estadístico.

En esta actividad, la población sería la totalidad de los jóvenes de la localidad con

edades comprendidas entre los 12 y 17 años.

 Individuo es cada elemento de la población o muestra.

En nuestro ejemplo, un individuo es una persona joven de la localidad con una edad
comprendida entre 12 y 17 años.

 Muestra es la parte de la población que vamos a estudiar para poder sacar

después conclusiones sobre toda la población.

En nuestra actividad, la muestra será el grupo de gente joven comprendida entre los
12 y los 17 años a quien se le haga la encuesta.

 Las propiedades o características que estudiaremos reciben el nombre de

variables estadísticas y pueden clasificarse así:

– Cualitativas, cuando los valores sobre los que preguntamos no se pueden

expresar con números; son cualidades como, por ejemplo, el color de los
ojos, el color del pelo...

– Cuantitativas, cando los valores sobre los que preguntamos se expresan

con números. De estas distinguiremos dos:

– Discretas, cando solo podemos escoger entre un número finito de valores,

por ejemplo, el número de hijos o hijas que tiene una pareja: solo podemos
escoger entre 0, 1, 2, 3..., hasta un número finito.

– Continuas, cuando la variable puede tomar infinitos valores, por ejemplo, el

peso. En el peso podríamos distinguir entre 75,2 y 72,205 y, por lo tanto,
serían infinitos valores.

Página 5 de 49
 Actividades propuestas

S1. Indique el tipo de variable estadística y razone, en cada caso, si sería mejor
analizar una muestra o directamente estudiar toda la población.

– El sexo de los habitantes de una ciudad.

– La nacionalidad de las personas que viven en su país.

– El dinero gastado por sus hermanos en un día.

– El peso de todos sus amigos y amigas.

– El color de los ojos de su familia directa (abuelos, tíos, primos, hermanos e hijos).

– Velocidad a la que pasan los coches por una calle.

– El número de hijos de todos sus primos.

S2. Se va realizar un estudio estadístico sobre el gasto que hacen las personas que
van a un determinado negocio. De las 12 358 personas que visitaron el negocio
se escogieron 120 y, de ahí, se extienden las conclusiones a toda la población.
Identifique: variable estadística, población, muestra, tamaño muestral e individuo.

2.1.3 Fases y tareas de un estudio estadístico

Todo estudio estadístico consta de una serie de fases y tareas bien diferenciadas:

 Definición de la población y de la característica que vamos a estudiar.

En esta fase tenemos que fijar la población a estudiar, la característica, qué y cómo
vamos recoger los datos, etc.

 Selección de la muestra.

Necesitamos establecer el tamaño de la muestra.

 Recogida de datos.
Debemos diseñar el cuestionario para realizar la recogida dos datos.

 Organización y representación gráfica.

Estudiaremos los datos recogidos, haremos tablas de frecuencias, gráficas para
visualizar mejor los datos, etc.

 Obtención de conclusiones.
Obtendremos ciertos parámetros estadísticos que nos ayudarán a resumir la
información. Junto con la estadística inferencial, que hemos comentado en un
apartado anterior, podríamos sacar conclusiones y extrapolarlas al resto de la
población. Los aspectos relacionados con la inferencia estadística exceden los
contenidos del módulo IV y, por lo tanto, non los estudiaremos.

Página 6 de 49
2.1.4 Tablas de frecuencias

Una vez recogidos los datos hay que tabularlos, es decir, confeccionar una tabla para
organizarlos. Esto se consigue con una tabla de frecuencias; podemos utilizar
diferentes tipos de frecuencias:

 Frecuencia absoluta, 𝑓𝑖 : número de veces que aparece en la muestra.

 Frecuencia relativa, ℎ𝑖 : cociente entre el número de veces que aparece en la

muestra y el número total de datos, N.

 Frecuencia absoluta acumulada, 𝐹𝑖 : suma de todas las frecuencias absolutas de

los valores menores o iguales que el valor escogido.

 Frecuencia relativa acumulada, 𝐻𝑖 : suma de todas las frecuencias relativas de los

valores menores o iguales que el valor escogido.

Debemos tener en cuenta si la variable que vamos estudiar es discreta o continua.

Actividades resueltas

Queremos hacer un estudio entre los habitantes de una localidad para conocer el
número de veces que van al cine al mes. Solo nos interesa saberlo para los que son
mayores de 4 años. De los 2500 habitantes de la localidad, sabemos que 2000 son
mayores de 4 años. Se les preguntó el número de veces que van al cine en un mes y
las respuestas fueron las siguientes:

01210 20111 10010 31111 01011

11210 21101 11110 11112 11111

Se pide:

– ¿Cuál es la población de estudio?

– ¿Qué variable tenemos que estudiar?

– ¿Qué tipo de variable es?

– Construya la tabla de frecuencias.

– ¿Qué porcentaje de individuos van como mucho una vez al cine al mes?

Soluciones:

– Las 2000 personas del pueblo que son mayores de 4 años.

– El número de veces que van al cine en el mes.

– Variable cuantitativa discreta.

Página 7 de 49
 – Efectuaremos un recuento de los datos ordenándolos en una tabla de
frecuencias.

– Se trata de una variable aleatoria discreta, con valor mínimo igual a 0 y

valor máximo 3, por lo que deberíamos poner todos los valores intermedios
y su frecuencia absoluta, si hubiese algún valor que tuviese una frecuencia
absoluta igual a cero, también habría que ponerla.

Veces que asisten al cine

𝑓𝑖 𝐹𝑖 ℎ𝑖 𝐻𝑖
𝑥𝑖
0 11 11 0,22 0,22
1 33 44 0,66 0,88
2 5 49 0,10 0,98
3 1 50 0,02 1
50 1
– Un 88 %.

Queremos realizar un estudio sobre la altura de los hombres mayores de edad de una
determinada ciudad. Se les preguntó sobre su altura en cm a 32 personas que
cumplían ese requisito y los datos fueron los siguientes:

161 171 167 172 170 170 165 169

170 169 172 162 169 166 174 178

167 169 168 176 169 162 168 167

175 168 164 179 172 167 170 173

Se pide:

– ¿Cuál es la población de estudio?

– ¿Qué variable tenemos que estudiar?
– ¿Qué tipo de variable es?
– Construya la tabla de frecuencias.
Soluciones:
– Los hombres con mayoría de edad.
– La altura en cm.
– Variable cuantitativa continua.
– Efectuaremos un recuento de los datos ordenándolos en una tabla de
frecuencias.

Página 8 de 49
Ante la dificultad de hacer un recuento de cada valor de la variable, haremos un
recuento de los datos agrupándolos en intervalos de cinco cm de altura (clases).
Elaboraremos una tabla en la que se muestren los puntos medios, llamados marcas
de clase, y todas las frecuencias que ya explicamos. Conviene que el número de
clases non sea excesivo y que todas tengan la misma longitud.
Existen diferentes métodos de escoger el número de intervalos; teniendo en cuenta la
variable y los datos que obtenemos de las encuestas, no deberíamos de tener menos
de 4-5 intervalos ni más de 10.

Longitud en cm Marca de clase

𝑓𝑖 𝐹𝑖 ℎ𝑖 𝐻𝑖
Intervalos o clases 𝑥𝑖

160 ≤ 𝑥 < 165 162,5 4 4 0,125 0,125

165 ≤ 𝑥 < 170 167,5 14 18 0,4375 0,5625

10 ≤ 𝑥 < 175 172,5 10 28 0,3125 0,875

175 ≤ 𝑥 < 180 177,5 4 32 0,125 1

32 1

Actividades propuestas

S3. Se está realizando un control de caries en personas de menos de 3 años. Para

eso, se contabiliza el número de piezas de chocolate que comen al día y se
obtienen los siguientes resultados:

0 2 1 3 0 1 5 0 1 1

2 1 4 1 0 1 2 2 3 1

Construya la tabla de frecuencias.

S4. En una fábrica se realiza un estudio sobre el espesor, en mm, de un cierto tipo
de tornillo. Seleccionamos una muestra de tamaño 25 y obtenemos los
siguientes valores: 7,8; 8,2; 7,6; 10,5; 7,4; 8,3; 9,2; 11,3; 7,1; 8,5; 10,2; 9,3; 9,9;
8,7; 8,6; 7,2; 9,9; 8,6; 10,9; 7,9; 11,9; 8,8; 9,2; 8,1; 10,5. Haga 5 intervalos de
longitud 1 mm comenzando el primer intervalo en 7 mm. Construya la tabla de
frecuencias.

S5. Construya la tabla de frecuencias con el color de pelo de 24 persona escogidas al azar cuyos
resultados de la encuesta fueron los siguientes: (N = negro; L = castaño; R = pelirrojo).

N L R L L L L R R N N N

N L L L L L N N N N N R

Página 9 de 49
2.1.5 Gráficos estadísticos

Los gráficos estadísticos ayudan a organizar e interpretar de una manera más visual
los datos recogidos. Existen diferentes gráficos estadísticos:

 Diagramas de barras.

Se utilizan para representar tablas de frecuencias correspondientes a variables

cuantitativas discretas. Por eso las barras son estrechas y se sitúan sobre los valores
puntuales de la variable. También se pueden utilizar para representar variables
cualitativas.

Actividad resuelta

Construya el diagrama de barras asociado a los siguientes datos:

El diagrama de barras siguiente está basado en los resultados de una encuesta

realizada a 290 trabajadores de una empresa sobre la preferencia para disfrutar de
sus vacaciones. Los datos están expresados en la tabla y el diagrama de barras se
muestra a la derecha:

Período Trabajadores
1.ª quincena julio 35
2.ª quincena julio 43
1.ª quincena agosto 78
2.ª quincena agosto 106
1.ª quincena septiembre 28

 Histograma.

Se utiliza para distribuciones de variable continua. Por eso se usan rectángulos tan
anchos como los intervalos.

Actividad resuelta

Construya el histograma asociado a los siguientes datos:

La tabla muestra los pesos en gramos de 42 pollos del mercado y representaremos

los datos mediante un histograma.

Página 10 de 49
 Peso (g) Número de pollos

1000 ≤ 𝑥 < 1200 3

1200 ≤ 𝑥 < 1400 10

1400 ≤ 𝑥 < 1600 15

1600 ≤ 𝑥 < 1800 14

 Polígono de frecuencias.

Se construyen uniendo los puntos medios de los rectángulos, bien de las barras de
los diagramas, bien de los rectángulos de los histogramas.

Actividad resuelta

Construya los dos polígonos de frecuencias de las actividades anteriores.

 Diagrama de sectores.

El círculo se divide en tantos sectores como datos tenga la variable, siendo su

amplitud proporcional a su frecuencia.

Actividad resuelta

Construya el diagrama de sectores asociado a los siguientes datos: en una clase de

30 estudiantes, 12 juegan al baloncesto, 3 practican natación, 9 juegan al fútbol y el
resto no practica ningún deporte.

Exponemos la tabla de frecuencias y el diagrama de sectores.

Deportes Alumnado
Baloncesto 12
Natación 3
Fútbol 9
Sin deporte 6

Página 11 de 49
Uso del Excel para la realización de un gráfico

Basándonos en los datos del ejercicio anterior, veremos lo sencillo que es hacer un
diagrama de barras utilizando la hoja de cálculo Excel. Utilizaremos el paquete Office
del año 2007 o superior.

– Paso 1: escribimos los datos tal y como los tenemos dispuestos en la tabla
de frecuencias absolutas.

– Paso 2: seleccionamos todos los datos, o sea, desde A1 hasta B5, y

seleccionamos en la parte superior la pestaña de insertar.

Página 12 de 49
 – Paso 3: seleccionamos el gráfico columna y ya nos aparecerá el diagrama
de barras correspondiente a estos datos.

No profundizaremos más sobre como cambiar diversos elementos de cada uno de los
gráficos que nos proporciona Excel ni tampoco en los diferentes tipos de gráficas,
puesto que no es la finalidad de esta unidad.

Actividad propuesta

S6. La frecuencia con que va al cine por semana la gente joven que vive en un
pueblo viene dada por la siguiente tabla.

Veces que van al cine Número de personas

Nunca 152

Una vez 183

Dos veces 122

Tres o más veces 43

Realice un diagrama de barras, un diagrama de sectores y el polígono de frecuencias.

2.1.6 Parámetros estadísticos. Cálculo y significado

Después de obtener los datos de una distribución, necesitamos sintetizar la

información para su posterior análisis. Para eso, obtendremos los parámetros
estadísticos que serán de tres tipos: de centralización, de posición y de dispersión.

Página 13 de 49
Parámetros de centralización

Los parámetros de centralización nos indican alrededor de qué valor (centro) se

distribuyen los datos; son la media aritmética, la moda, y la mediana.

 La media aritmética, 𝑥̅ , es el cociente de la suma de todos los datos multiplicada

por su frecuencia entre el número total de datos.

∑𝑛𝑖= 1 𝑓𝑖 · 𝑥𝑖 𝑛
𝑥̅ = , 𝑠𝑠𝑠𝑠𝑠𝑠 𝑁 = � 𝑓𝑖
𝑁 𝑖=1

En caso de que la variable sea continua, 𝑥𝑖 será la marca de clase.

 La moda, 𝑀𝑀, es el dato que tiene mayor frecuencia. Si la variable fuese continua,
hablaremos de intervalo modal. Pueden existir varios valores o intervalos con
mayor frecuencia, por lo tanto, pueden existir varias modas o intervalos modales.

 La mediana, 𝑀𝑀, es el valor que ocupa la posición central de los datos después de
ordenarlos y si el número de datos es impar; si fuese par, la media de los dos
valores centrales. Si la variable fuese continua, hablaremos de intervalo mediano.

Actividad resuelta

Calcule los parámetros de centralización de las distribuciones expuestas anteriormente.

Variable cuantitativa discreta (a) Variable cuantitativa continua (b) Variable cualitativa (c)

Veces que comen

una pieza de chocolate 𝑓𝑖 𝐹𝑖 Longitud en mm Marca de clase
𝑥𝑖 𝑓𝑖 𝐹𝑖
Intervalos o clases 𝑥𝑖 Color del
0 4 4 pelo 𝑓𝑖 𝐹𝑖
7≤𝑥<8 7,5 6 6
𝑥𝑖
1 8 12 8≤𝑥<9 8,5 8 14
N 10 10
2 4 16 9 ≤ 𝑥 < 10 9,5 5 19
L 10 20
3 2 18 10 ≤ 𝑥 < 11 10,5 4 23
N 4 24
4 1 19 11 ≤ 𝑥 < 12 11,5 2 25
24
5 1 20 25
20

Incorporamos la columna de las frecuencias absolutas acumuladas, porque esta nos

proporciona una manera muy sencilla de calcular la mediana o intervalo modal.

Calculemos los parámetros estadísticos en cada una de ellas:

a) Variable cuantitativa discreta.

∑𝑛𝑖= 1 𝑓𝑖 · 𝑥𝑖 4 · 0 + 8 · 1 + 4 · 2 + 2 · 3 + 1 · 4 + 1 · 5 31
𝑥̅ = = = = 1,55
𝑁 20 20
𝑀𝑀 = 1
𝑀𝑀 = 1, ya que es la primera frecuencia acumulada mayor que 10, la mitad de los 20 individuos de la muestra.

Página 14 de 49
Como la moda y la mediana son 1 y la media 1,55, podemos decir que el grupo de
niños y niñas que comen más de una pieza de chocolate es mayor que los que comen
menos de 1. Los datos se distribuyen alrededor del 1.

b) Variable cuantitativa continúa.

∑𝑛𝑖= 1 𝑓𝑖 · 𝑥𝑖 6 · 7,5 + 8 · 8,5 + 5 · 9,5 + 4 · 10,5 + 2 · 11,5 225,5

𝑥̅ = = = = 9,02
𝑁 25 25

Intervalo modal [8, 9) → 𝑀𝑀 = 8,5

Intervalo mediano [8, 9) → 𝑀𝑀 = 8,5

Ya que es la primera frecuencia acumulada mayor que 12,5 (la mitad de los 25 individuos).

Las conclusiones son idénticas al ejemplo anterior; dado que la moda y la mediana
son 8,5 mm y la media es 9,02 mm, podemos decir que el espesor de los tornillos
mayores de 8,5 mm es mayor que los de grosor menor a 8,5 mm.

c) Variable cualitativa.

En este tipo de variable solo existe la 𝑀𝑀 = 𝐿 𝑦 𝑁. En este caso existen dos modas.

Actividad propuesta

S7. Calcule los parámetros de centralización para estas tres tablas de frecuencias:

𝑥𝑖 1 2 3 4 5
𝑓𝑖 2 4 8 5 2

Clases [0, 10) [10, 20) [20, 30) [30, 40) [40, 50)
𝑓𝑖 12 9 6 2 1

Opinión Muy bueno Bueno Regular Malo Muy malo

𝑓𝑖 58 158 45 32 15

Medidas de posición

Los parámetros de posición son valores de una variable que informan del lugar que
ocupa un dato dentro del conjunto ordenado de valores. Evidentemente, la variable
tiene que ser cuantitativa. Podemos distinguir dos grupos importantes:

 Los cuartiles, 𝑄1 , 𝑄2 y 𝑄3 . Son las medidas que dividen el conjunto de datos ordenados
en 4 partes iguales.

 Los percentiles, 𝑃𝑘 . Son las medidas que dejan detrás el k % de los datos ordenados.

Solo estudiaremos en este módulo los grupo de los cuartiles, 𝑄1 , 𝑄2 y 𝑄3 .

Página 15 de 49
Actividad resuelta

Calcule las medidas de posición de las siguientes distribuciones:

Variable cuantitativa discreta (a) Variable cuantitativa continua (b)

Veces que comen

una pieza de chocolate 𝑓𝑖 𝐹𝑖 Longitud en mm Marca de clase
𝑥𝑖 𝑓𝑖 𝐹𝑖
Intervalos o clases 𝑥𝑖
0 4 4 7≤𝑥<8 7,5 6 6
1 8 12 8≤𝑥<9 8,5 8 14
2 4 16 9 ≤ 𝑥 < 10 9,5 5 19
3 2 18 10 ≤ 𝑥 < 11 10,5 4 23
4 1 19 11 ≤ 𝑥 < 12 11,5 2 25
5 1 20 25
20

a) Variable discreta.

Calculamos el 25 % del número total de datos: 20 · 0,25 = 5

Así, 𝑄1 tiene 5 datos menores que él y el resto mayores. Fijémonos en la columna de

las frecuencias absolutas acumuladas, el primer número mayor o igual a 5 es 12, por
lo tanto, 𝑄1 = 1. Siguiendo este razonamiento, obtenemos:

El 50 % de 20 es 10. Fijándonos en la columna de las frecuencias acumuladas, el

primer número mayor o igual a 10 es 12, por lo tanto, 𝑄2 = 1.

El 75 % de 20 es 15. Volvemos fijarnos en la columna de las frecuencias acumuladas,

el primer número mayor o igual a 15 es 16, por lo tanto, 𝑄3 = 2.

b) Variable continúa.

Razonamos igual que en la variable anterior, fijándonos en la columna de las

frecuencias acumuladas.

El 25 % de 25 es 6,25, el primer número mayor o igual a 6,25 es 14, frecuencia

acumulada correspondiente al intervalo [8, 9). Por lo tanto, 𝑄1 = 8,5.

El 50 % de 25 es 12,5, el primer número mayor o igual a 12,5 es 14, frecuencia

acumulada correspondiente al intervalo [8, 9). Por lo tanto, 𝑄2 = 8,5.

El 75 % de 25 es 18,75, el primer número mayor o igual a 18,5 es 19, frecuencia

acumulada correspondiente al intervalo [9, 10). Por lo tanto, 𝑄3 = 9,5.

Página 16 de 49
Actividad propuesta

S8. Calcule los cuartiles para estas dos tablas de frecuencias:

𝑥𝑖 1 2 3 4 5
𝑓𝑖 2 4 8 5 2

Clases [0, 10) [10, 20) [20, 30) [30, 40) [40, 50)
𝑓𝑖 12 9 6 2 1

Medidas de dispersión

Muestran el grado de agrupamiento alrededor de la media. Si los parámetros de

dispersión son grandes, significa que los datos están muy dispersos. Si fuesen
pequeños, significaría que están alrededor de la media. Estudiaremos los siguientes:

 Recorrido o rango.

Es la diferencia entre el mayor y el menor valor de la variable. 𝑅 = 𝑀á𝑥 − 𝑀í𝑛.

 Desviación media.

Es la media aritmética de los valores absolutos de las desviaciones, con

respecto a la media, de cada dato.

∑𝑛𝑖=1 𝑓𝑖 · |𝑥𝑖 − 𝑥̅ | 𝑛
𝐷𝐷 = , 𝑠𝑠𝑠𝑠𝑠𝑠 𝑁 = � 𝑓𝑖
𝑁 𝑖=1

 Varianza.

Es la media aritmética de los cuadrados de las desviaciones de cada valor con

respecto a la media.

∑𝑛𝑖= 1 𝑓𝑖 · (𝑥𝑖 − 𝑥̅ )2 ∑𝑛𝑖 = 1 𝑓𝑖 · 𝑥𝑖 2 𝑛

𝑣𝑣𝑣 = = − 𝑥̅ 2 , 𝑠𝑠𝑠𝑠𝑠𝑠 𝑁 = � 𝑓𝑖
𝑁 𝑁 𝑖=1

 Desviación típica.

La raíz cuadrada positiva de la varianza, 𝜎 = √𝑣𝑣𝑣.

 Coeficiente de variación.

𝜎
Cociente entre la desviación típica y la media, 𝐶𝐶 =
𝑥̅
.

Página 17 de 49
Actividad resuelta

Calcule las medidas de dispersión de las siguientes distribuciones:

Variable cuantitativa discreta (a) Variable cuantitativa continua (b)

Veces que comen

una pieza de chocolate 𝑓𝑖 𝐹𝑖 Longitud en mm Marca de clase
𝑥𝑖 𝑓𝑖 𝐹𝑖
Intervalos o clases 𝑥𝑖
0 4 4 7≤𝑥<8 7,5 6 6
1 8 12 8≤𝑥<9 8,5 8 14
2 4 16 9 ≤ 𝑥 < 10 9,5 5 19
3 2 18 10 ≤ 𝑥 < 11 10,5 4 23
4 1 19 11 ≤ 𝑥 < 12 11,5 2 25
5 1 20 25
20

a) Variable discreta.

Añadimos algunas columnas necesarias para el cálculo de los parámetros de

dispersión.

Veces que comen

una pieza de chocolate 𝑓𝑖 𝑓𝑖 · 𝑥𝑖 𝑓𝑖 · |𝑥𝑖 − 𝑥̅ | 𝑓𝑖 · 𝑥𝑖 2
𝑥𝑖
0 4 0 6,2 0
1 8 8 4,4 8
2 4 8 1,8 16
3 2 6 2,9 18
4 1 4 2,45 16
5 1 5 3,45 25
20 31 21,2 83

Los parámetros de dispersión son:

– 𝑅 = 𝑀á𝑥 − 𝑀í𝑛 = 5 − 0 = 5
∑𝑛
𝑖 = 1 𝑓𝑖 ·|𝑥𝑖 −𝑥̅ | 21,2
– 𝐷𝐷 = = = 1,06
𝑁 20

∑𝑛
𝑖 = 1 𝑓𝑖 ·(𝑥𝑖 −𝑥̅ )
2 ∑𝑛
𝑖 = 1 𝑓𝑖 ·𝑥𝑖
2 83
– 𝑣𝑣𝑣 = = − 𝑥̅ 2 = − 1,552 = 1,75
𝑁 𝑁 20

– 𝜎 = √𝑣𝑣𝑣 = �1,75 = 1,32

𝜎 1,32
– 𝐶𝐶 = = = 0,8529 → 85,29 %
𝑥̅ 1,55

Ya estudiamos el significado de los parámetros de centralización de este mismo

ejemplo. Podemos decir que, puesto que el coeficiente de variación es 85,29 %, los
datos están bastante dispersos, es decir, separados de la media.

Página 18 de 49
b) Variable continúa.

Igual que en el apartado a) de este ejemplo, Añadimos algunas columnas necesarias

para el cálculo de los parámetros de dispersión.

Longitud en mm Marca de clase

𝑓𝑖 𝑓𝑖 · 𝑥𝑖 𝑓𝑖 · |𝑥𝑖 − 𝑥̅ | 𝑓𝑖 · 𝑥𝑖 2
Intervalos o clases 𝑥𝑖
7≤𝑥<8 7,5 6 45 9,12 337,5
8≤𝑥<9 8,5 8 68 4,16 578
9 ≤ 𝑥 < 10 9,5 5 47,5 2,4 451,25
10 ≤ 𝑥 < 11 10,5 4 42 5,92 441

11 ≤ 𝑥 < 12 11,5 2 23 4,96 264,5

25 225,5 26,56 2.072,25

Los parámetros de dispersión son:

– 𝑅 = 𝑀á𝑥 − 𝑀í𝑛 = 12 − 7 = 5
∑𝑛
𝑖 = 1 𝑓𝑖 ·|𝑥𝑖 −𝑥̅ | 26,56
– 𝐷𝐷 = = = 1,06
𝑁 25

∑𝑛 � )2
𝑖 = 1 𝑓𝑖 ·(𝑥𝑖 −𝑥 ∑𝑛
𝑖 = 1 𝑓𝑖 ·𝑥𝑖
2
2072,25
– 𝑣𝑣𝑣 =
𝑁
= 𝑁
�2 =
−𝑥 25
− 9,022 = 1,53

– 𝜎 = √𝑣𝑣𝑣 = �1,53 = 1,24

𝜎 1,24
– 𝐶𝐶 = = = 0,1371 → 13,71 %
𝑥̅ 9,02

Ya estudiamos el significado de los parámetros de centralización de este mismo

ejemplo. Podemos decir que, puesto que el coeficiente de variación es 13,71 %, los
datos están relativamente agrupados alrededor de la media.

Actividades propuestas

S9. Calcule los parámetros de dispersión para estas dos tablas de frecuencias:

𝑥𝑖 1 2 3 4 5
𝑓𝑖 2 4 8 5 2

Clases [0, 10) [10, 20) [20, 30) [30, 40) [40, 50)
𝑓𝑖 12 9 6 2 1

S10. Las notas obtenidas en el tribunal número 1 del concurso oposición para
obtener una plaza en un determinado ayuntamiento fueron las siguientes:

Notas 𝑥𝑖 3 4 5 6 7 8 9 10

𝑓𝑖 6 34 25 56 29 10 30 10

Página 19 de 49
 Realice las siguientes tareas:

– Dibuje el diagrama de barras y el polígono de frecuencias asociado.

– ¿Qué tanto por ciento de los opositores obtuvo menos de un 6?

– ¿Qué tanto por ciento de los opositores obtuvo entre un 5 y un 10, ambos
incluidos?

– Calcule los parámetros de centralización.

– Calcule los cuartiles.

– Calcule los parámetros de dispersión estudiados en la unidad.

S11. Se realiza un estudio sobre el número de centros que colaboran en un

determinado proyecto europeo en distintas comunidades autónomas. Los datos
aparecen recogidos en la siguiente tabla:

Comunidad autónoma Nº de centros

Cataluña 30
Asturias 27
Madrid 43
Andalucía 25
Galicia 40
Navarra 15

Realice las siguientes tareas:

– Dibuje el diagrama de barras y el de sectores asociados a estos datos.

– Calcule la moda.

S12. En el hospital materno infantil de A Coruña tomaron datos del peso, en kg, al
nacer de 50 niños y niñas. Los datos son los que aparecen en la siguiente tabla:

2,8 3,2 3,8 2,5 2,7 3,7 1,9 2,6 3,5 2,3
3 2,6 1,8 3,3 2,9 2,1 3,4 2,8 3,1 3,9
2,9 3,5 3 3,1 2,2 3,4 2,5 1,9 3 2,9
2,4 3,4 2 2,6 3,1 2,3 3,5 2,9 3 2,7
2,9 2,8 2,7 3,1 3 3,1 2,8 2,6 2,9 3,3

– Construya una tabla de frecuencias con los datos agrupados en 6 intervalos

de tamaño 0,4 kg.

– Dibuje el histograma y el polígono de frecuencias asociado.

– ¿Qué tanto por ciento de niños y niñas pesaron menos 2,8 kg?

– Calcule los parámetros de centralización.

– Calcule los cuartiles.

– Calcule los parámetros de dispersión.

Página 20 de 49
2.2 Probabilidad

2.2.1 Experimentos aleatorios. Sucesos

En nuestra vida diaria nos encontramos muchas veces con acontecimientos de los
que no podemos predecir si ocurrirán o no o cuál será el resultado. Dependen del
azar. Por ejemplo, lanzar un dado, jugar a la Bonoloto, lanzar una moneda al aire y
prever el resultado al caer, si lloverá mañana, si ganará el Deportivo la liga, etc.

Definimos experimento aleatorio como aquel experimento en el que no se puede

predecir el resultado antes de realizarlo en cada experiencia particular, por ejemplo, si
lanzamos un dado, no sabemos si va a salir el 1, es una posibilidad y no tenemos la
certeza de que salga ese resultado en especial.

Para estudiar el azar y sus propiedades, realizaremos experimentos aleatorios y

analizaremos diferentes situaciones. Tomemos como ejemplo el lanzamiento de un
dado. Los posibles resultados del lanzamiento de un dado serian:

Al conjunto de todos los posibles resultados le llamaremos espacio muestral y lo

identificaremos de la siguiente manera: 𝐸 = {1, 2, 3, 4, 5, 6}

Todos los subconjuntos de un espacio muestral se llaman sucesos, por ejemplo, el

suceso “lanzar un dado y obtener un número par” podemos representarlo por
𝐴 = {2, 4, 6}, el suceso “lanzar un dado y obtener un múltiplo de 3” podríamos
representarlo por B = {3, 6}.

Dentro de los grupos de los sucesos hay algunos que tienen un nombre especial:

 Suceso elemental: cada uno de los resultados posibles de un experimento.

 Suceso compuesto: el suceso formado por dos o más elementos del espacio
muestral.

 Suceso seguro: el suceso que siempre se verifica.

 Suceso imposible: el que no se realiza nunca.

 Suceso contrario: si 𝐴 es un suceso, le llamaremos 𝐴̅ al suceso contrario, y este

se verificará cuando no se verifique 𝐴.

Página 21 de 49
Actividad resuelta

Observe el experimento aleatorio que consiste en lanzar al aire dos monedas distintas
y anotar el resultado. Halle el espacio muestral, E, los sucesos A = “obtener dos
caras”, B = “obtener cara y cruz”, C = “obtener cruz y cara”, D = “obtener dos cruces”,
F = “obtener resultados distintos”, un suceso seguro, un suceso imposible y el suceso
contrario de A.

– El espacio muestral es 𝐸 = {𝑐𝑐, 𝑐𝑐, 𝑥𝑥, 𝑥𝑥 }.

– Sucesos elementales: 𝐴 = {𝑐𝑐 }, 𝐵 = {𝑐𝑐 }, 𝐶 = {𝑥𝑥 } y 𝐷 = {𝑥𝑥}.

– Suceso compuesto: “obtener resultados distintos” 𝐹 = {𝑐𝑐, 𝑥𝑥 }.

– Suceso seguro: el suceso 𝐸 es seguro, puesto que siempre al lanzar dos

monedas obtenemos alguno de esos resultados.

– Suceso imposible: “obtener tres caras”.

– Suceso contrario: si 𝐴 = {𝑐𝑐, 𝑥𝑥 }, entonces �𝐴 = {𝑐𝑐, 𝑥𝑥 }.

 Llamamos unión de dos sucesos 𝐴 y 𝐵 al suceso formado por todos los sucesos
elementales que hay en 𝐴 y 𝐵, y lo escribimos por 𝐴 ∪ 𝐵.

 Llamamos intersección de dos sucesos 𝐴 y 𝐵 al suceso formado por todos los

sucesos elementales comunes que hay en 𝐴 y 𝐵, y lo escribimos por 𝐴 ∩ 𝐵.

Actividad resuelta

Considere el experimento aleatorio “lanzar un dado y anotar su puntuación”,

consideramos estos dos sucesos:

A = “obtener resultado par” B = “obtener un resultado múltiplo de 3”

Halle el espacio muestral, E, los sucesos A y B, 𝐴 ∪ 𝐵 y 𝐴 ∩ 𝐵

Partimos, por lo tanto, de que 𝐸 = {1, 2, 3, 4, 5, 6}, 𝐴 = {2, 4, 6} y 𝐵 = {3, 6}

– 𝐴 ∪ 𝐵 = {2, 3, 4, 6}

– 𝐴 ∩ 𝐵 = {6}

Actividades resueltas

S13. Determine si estos experimentos son aleatorios o no.

– Extraer una carta de una baraja española.

– Hallar el color del coche que pase primero después de las 00.00 horas de
un día.

– Medir la altura de sus padres.

Página 22 de 49
 – Hallar cuántos partidos ganará el Deportivo este año en la liga.

– Calentar el agua a 100 ºC y ver que sucede.

S14. Escriba el espacio muestral y exponga un ejemplo de un suceso elemental,

compuesto, otro de uno seguro y otro de uno imposible del experimento “sacar
una bola y observar el color” de una urna donde hay una bola blanca, una negra
y dos rojas.

S15. En una bolsa hay 10 bolas numeradas del 1 al 10. Sacamos una bola y
anotamos su número. Realice las siguientes tareas:

– Halle el espacio muestral.

– � 𝐵,
Describa 𝐴, 𝐵, 𝐴, � 𝐴 ∪ 𝐵, 𝐴 ∩ 𝐵, siendo

A = “obtener un número par” B = “obtener un número mayor que 5”

2.2.2 Probabilidad y frecuencia

A medida que vamos repitiendo un gran número de veces un determinado

experimento aleatorio, las frecuencias relativas de un determinado suceso se van
aproximando a un número. Ese número es el que llamamos la probabilidad de un
suceso. Esta propiedad es lo que se conoce como ley de los grandes números. Por lo
tanto, podemos definir la probabilidad de un suceso A, 𝑃(𝐴), como el número comprendido
entre 0 y 1 que designa el grado de confianza que podemos tener en que se realice A.

– Si 𝑃(𝐴) está cerca de cero, el suceso será de realización poco probable.

– Si 𝑃(𝐴) está cerca de uno, el suceso será de realización muy probable.

Veamos todo esto que acabamos de explicar con dos ejemplos:

Se lanza 1000 veces una moneda y 1000 veces una chincheta. Los resultados son los
siguientes:
Moneda Chincheta

f h f h

327 0,327
C 483 0,483

X 517 0,517 673 0,673

Total 1000 1
Total 1000 1

Página 23 de 49
 Observemos que, en el caso de la moneda, las frecuencias relativas de la cara y de la
cruz son próximas a 0,5. El valor de la frecuencia relativa es muy próximo al valor de
la probabilidad, es más, la ley de los grandes números afirma que, a medida que
fuésemos aumentando el número de repeticiones del experimento, cada vez estaría
más próxima a 0,5. Entonces podemos afirmar que 𝑃(𝐶) = 0,5 y 𝑃(𝑋) = 0,5.

Para calcular la probabilidad del suceso “chincheta cae hacía arriba” y “chincheta cae
hacía abajo” deberíamos de seguir repitiendo el proceso aumentando el número de
repeticiones y así podríamos calcular esas probabilidades. Lo que sí sabemos es que:

P( )≈0,327 P( )≈0,673

2.2.3 Ley de Laplace para el cálculo de la probabilidad

Cuando estamos ante un experimento aleatorio en el que todos los sucesos

elementales tienen la misma probabilidad de salir, decimos que son equiprobables.
Sería el caso del lanzamiento de un dado, todos los números tienen la misma
probabilidad de salir.

Si calculamos el espacio muestral y estamos ante un espacio de sucesos

equiprobables, en esta situación la regla de Laplace dice lo siguiente:

𝑛º 𝑑𝑑 𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑎 𝐴
𝑃(𝐴) = , 𝑠𝑠𝑠𝑠𝑠𝑠 𝐴 𝑢𝑢 𝑠𝑠𝑠𝑠𝑠𝑠.
𝑛º 𝑑𝑑 𝑐𝑐𝑐𝑐𝑐 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝.

Actividades resueltas

En el armario tengo 5 camisas blancas, 3 camisas negras y 1 roja. Si cierro los ojos y
escojo una al azar, ¿cuál es la probabilidad de que sea blanca?

5
𝑃(𝑏𝑏𝑏𝑏𝑏𝑏) =
9

Si lanzamos un dado y observamos el número de la cara superior, ¿cuál será la

probabilidad del suceso A = “salir par”?

Puesto que el espacio muestral es 𝐸 = {1, 2, 3, 4, 5, 6} y 𝐴 = {2, 4, 6}, podemos decir que

3
𝑃(𝐴) = = 0,5
6

Página 24 de 49
En una rifa se vendieron 1000 papeletas numeradas del 1 al 1000. ¿Cuál es la
probabilidad de que me toque si compré siete papeletas?

Las papeletas favorables serán los 7 números que compré y el total de casos posibles
las 1000 papeletas. Por lo tanto,

7
𝑃(𝑝𝑝𝑝𝑝𝑝𝑝) = = 0,007
1000

Actividades propuestas

S16. Un videoclub automático estropeado reparte al azar las películas entre los
clientes. Si tiene 30 infantiles, 125 de acción, 200 dramas y 94 comedias. ¿Cuál
es la probabilidad de que la película sea comedia? ¿Y de que no sea drama?

S17. Consideremos un experimento que consiste en lanzar un dado en forma de

dodecaedro con las caras enumeradas del 1 al 12. Calcule las probabilidades
siguientes:

– Sacar un 3.

– Sacar un múltiplo de 3.

– No sacar un múltiplo de 3.

– Sacar un número negativo.

– Sacar un número menor de 20.

S18. Lanzamos dos dados y sumamos sus puntuaciones. Puede realizar un cuadro
de doble entrada para no olvidar ningún resultado.

– ¿Cuál es la probabilidad de que la suma sea 2?

– ¿Cuál es la probabilidad de que la suma sea 1? ¿Cómo se llama este

suceso?

– ¿Cuál es la probabilidad de que la suma sea menor que 6? ¿Cuál es el

suceso contrario? ¿Y su probabilidad?

S19. Lanzamos 3 veces una moneda y apuntamos los resultados. Describa:

– Espacio muestral.

– A = “la última moneda es cara”.

– B = “la primera moneda es cruz”.

– Calcule 𝐴 ∪ 𝐵, 𝐴 ∩ 𝐵.

– Calcule la probabilidad de los sucesos de los apartados b), c) y d).

Página 25 de 49
 S20. En una bolsa hay 5 bolas blancas, 4 negras y 3 rojas. Calcule la probabilidad de
que, escogida al azar, una bola sea:

– Blanca o negra.

– Que no sea ni blanca ni negra.

– Que no sea roja.

2.2.4 Sucesos compuestos. Diagramas de árbol

Los sucesos elementales que forman un suceso compuesto pueden depender o no de

otros. Imaginemos una bolsa con bolas de distintos colores.

 Realizamos el experimento de sacar una bola y anotar el color, devolverla a la

bolsa, volver a sacar otra bola y anotar el color.

En este experimento la segunda extracción no depende del color de la bola que haya
sacado en primer lugar, en este caso los sucesos “sacar bola y anotar el color en la
primera extracción” y “sacar bola y anotar el color en la segunda extracción” son
independientes.

 Si, por el contrario, realizamos la primera extracción y no devolvemos la bola, el

resultado de la segunda extracción dependerá del resultado de la primera, en este
caso son sucesos dependientes.

Tanto si los sucesos elementales (𝑆1 , 𝑆2 , 𝑆3 ...) que conforman un suceso compuesto
son independientes como si son dependientes, acontece que:

𝑃(𝑆1 𝑦 𝑆2 𝑦 𝑆3 … . ) = 𝑃(𝑆1 ) · 𝑃(𝑆2 ) · 𝑃(𝑆3 ) · …

Basta tener en cuenta que, cuando son dependientes, al calcular 𝑃(𝑆2 ) habrá que
tener en cuenta el suceso anterior 𝑆1 ; cuando calcule 𝑃(𝑆3 ) habrá que tener en cuenta
los sucesos 𝑆1 y 𝑆2 , y así sucesivamente.

Actividad resuelta

Calculemos la probabilidad 𝑃(1𝑉 𝑦 2𝑉), siendo 1V = “color rojo en la 1ª extracción” y

2V = “color rojo en la 2ª extracción”, en una bolsa donde hay 3 bolas negras y 2 rojas.

 Realicemos el experimento devolviendo la bola. Acontece que:

2 2 4
𝑃(1𝑉 𝑦 2𝑉) = 𝑃(1𝑉 ) · 𝑃(2𝑉) = · =
5 5 25

Página 26 de 49
Para esto podemos ayudarnos de este diagrama de árbol, que nos permitirá visualizar
mejor el proceso del cálculo de probabilidades de sucesos compuestos.

Calcule la misma probabilidad, pero devolviendo la bola después de realizar la

primera extracción.

Si, por el contrario, no devolvemos la bola después de realizar la primera extracción,

queda:
2 1 2
𝑃(1𝑉 𝑦 2𝑉) = 𝑃(1𝑉 ) · 𝑃(2𝑉) = · =
5 4 20

Podemos ayudarnos del siguiente diagrama de árbol:

Observando el diagrama de árbol podríamos resolver preguntas más complejas, por

ejemplo:

Calcule la probabilidad de que las bolas sean del mismo color en el caso anterior,
donde no devolvemos la primera bola.

𝑃(𝑚𝑚𝑚𝑚𝑚 𝑐𝑐𝑐𝑐𝑐) = 𝑃(1𝑉 𝑦 2𝑉) + 𝑃(1𝑁 𝑦 2𝑁) = 𝑃(1𝑉 ) · 𝑃(2𝑉) + 𝑃(1𝑁) · 𝑃(2𝑁)
2 1 3 2 2 6 8
= · + · = + =
5 4 5 4 20 20 20

Página 27 de 49
Actividades propuestas

S21. Extraemos dos cartas de una baraja española. Calcule la probabilidad de que
sean dos caballos en los siguientes casos:

– Después de ver la primera carta, la devolvemos a la baraja.

– Sin devolver la primera carta.

S22. En un colegio hay 270 niñas y 230 niños. Sabiendo que solo 70 niñas y 60 niños
utilizan gafas, calcule:

– La probabilidad de que, elegido uno de ellos al azar, sea niño y utilice

gafas.

– La probabilidad de que, elegido una de ellas al azar, sea niña y no utilice

gafas.

S23. Se lanza un dado. Si sale múltiplo de 3, lanzamos una moneda; si sale otro
número, extraemos una bola de una bolsa donde hay 2 bolas blancas y una
negra. Calcule:

– Probabilidad de que sea múltiplo de 3 y cara.

– Probabilidad de que no sea múltiplo de 3 y bola negra.

S24. Tenemos en un cajón 5 calcetines negros y 3 blancos. Si sacamos 2 de ellos sin

ver, responda las siguientes preguntas:

– ¿Cuál es la probabilidad de que sean los dos negros?

– ¿Cuál es la probabilidad de que sean de distinto color?

S25. En una clase hay 15 niñas y 10 niños. Si hay que elegir un delegado y un
subdelegado y no se pueden repetir los cargos, responda:

– Calcule la probabilidad de que la delegada sea niña y el subdelegado niño.

– Calcule la probabilidad de que sean los dos puestos cubiertos por niños.

Página 28 de 49
3. Actividades finales
S26. En una determinada escuela de primaria se quiere saber cuál es el deporte más
practicado por su alumnado para planificar las actividades extraescolares del
siguiente curso. Se realiza una encuesta a 10 estudiantes de cada curso. Con
dicha información, identifique la población, la muestra y la variable estadística.

S27. Un fabricante de tornillos quiere hacer un control de calidad. Para esto toma uno
de cada cien y analiza:
– Si está bien fabricado o presenta algún problema.

– Su longitud.

– El número de pasos de rosca.

Con dicha información, identifique la población, la muestra y las variables

estadísticas.

S28. Se hace un estudio en una localidad de 750 habitantes sobre el grupo

sanguíneo que posee cada persona para conocer si una determinada
enfermedad está relacionada con el mismo o no; para eso escogemos un grupo
de 25 personas y analizamos su sangre. Los resultados son los siguientes:

A A B B A
A O O AB A
A B O A B
A AB A A B
A O O AB A

– ¿Cuál es la población de estudio? ¿Y la muestra?

– ¿Qué tipo de variable es?

– Construya la tabla de frecuencias.

– Para visualizar estos datos, elabore un diagrama de barras y un diagrama

de sectores.

– ¿Cuál es la Mo?

S29. Queremos analizar si un determinado dado cúbico está equilibrado o no, porque
los resultados nos parecen un poco extraños. Para eso lanzamos el dado 1000
veces y obtenemos los siguientes resultados:

Resultados 𝑥𝑖 1 2 3 4 5 6
𝑓𝑖 148 142 133 155 297 125

– Haga una tabla de frecuencias y un diagrama de barras.

– ¿Con estos resultados podemos deducir si el dado está o no está equilibrado?

Página 29 de 49
S30. Hacemos un estudio sobre la cantidad de libros que leen en un semestre un
determinado grupo de adolescentes. Los resultados son los siguientes:

Núm. libros 𝑥𝑖 0 1 2 3 4 5 6 7
𝑓𝑖 5 7 10 23 24 15 12 4

– Construya la tabla de frecuencias completa donde aparezcan las absolutas,

las relativas y las respectivas acumuladas.
– Dibuje el diagrama de barras y el polígono de frecuencias asociado.
– Calcule los parámetros de centralización.
– Halle los cuartiles, 𝑃15 y 𝑃85 .

– Calcule los parámetros de dispersión e interprete el resultado del CV.

S31. En una explotación ganadera hacen un estudio sobre la cantidad de vacas que
entran cada hora a una estación ordeñadora y los resultados son los siguientes:

Núm. de vacas 𝑥𝑖 1 2 3 4 5
𝑓𝑖 1 3 14 6 1

– Calcule la tabla de frecuencias completa donde aparezcan las absolutas,

las relativas y las respectivas acumuladas.
– Dibuje el diagrama de barras y el polígono de frecuencias asociado.
– Calcule los parámetros de centralización.
– Halle los cuartiles, 𝑃20 y 𝑃80 .

– Calcule los parámetros de dispersión.

S32. En una determinada aula de módulo IV de ESA presencial preguntamos cuantas

horas de estudio dedican a la semana y los resultados son los siguientes:

14 1 13 11 10 14 14 4 3 6
9 10 8 1 5 2 7 12 13 6
2 8 9 10 2 2 11 12 8 7

– Calcule la tabla de frecuencias completa donde aparezcan las absolutas,

las relativas y las respectivas acumuladas. Además, añada las columnas
necesarias para calcular los diferentes parámetros que nos piden en
apartados posteriores.

– Dibuje el histograma y el polígono de frecuencias asociado.

– Calcule los parámetros de centralización.

– Halle los cuartiles, 𝑃15 y 𝑃60 .

– Calcule los parámetros de dispersión.

Página 30 de 49
S33. Hacemos un estudio sobre el peso de un determinado grupo de niños y niñas de
3 años afectados por una determinada enfermedad y obtenemos los siguientes
resultados:

Peso (kg) [6, 7) [7, 8) [8, 9) [9, 10) [10, 11)

Número de niños/as 3 8 10 2 2

– Calcule la tabla de frecuencias completa donde aparezcan las absolutas,

las relativas y las respectivas acumuladas. Además, añada las columnas
necesarias para calcular los diferentes parámetros que nos piden en
apartados posteriores.

– Dibuje el histograma y el polígono de frecuencias asociado.

– Calcule los parámetros de centralización.

– Halle los cuartiles, 𝑃15 y 𝑃60 .

– Calcule los parámetros de dispersión.

– ¿Nos proporciona alguna información el CV?

S34. El dinero, en euros, del que dispone un grupo de jóvenes de 12 años para salir
el sábado es:

Dinero (€) [0, 5) [5, 10) [10, 15) [15, 20) [20, 25)
Número de jóvenes 13 9 6 2 1

– Calcule la tabla de frecuencias completa donde aparezcan las absolutas,

las relativas y las respectivas acumuladas. Además, añada las columnas
necesarias para calcular los diferentes parámetros que nos piden en
apartados posteriores.

– Dibuje el histograma y el polígono de frecuencias asociado.

– Calcule los parámetros de centralización.

– Halle los cuartiles, 𝑃35 y 𝑃90 .

– Calcule los parámetros de dispersión.

S35. Responda a las siguientes preguntas:

– En un equipo de baloncesto disponen para jugar de dos tipos de pantalones
(negros o blancos) y de tres camisetas (negras, blancas y azules). ¿De
cuántas maneras distintas pueden vestirse?

– Tiramos una moneda, si sale cara, sacamos una bola de una urna A que
contiene una bola blanca y otra negra; si sale cruz, sacamos una bola de
una urna B que contiene una bola blanca, otra negra y otra azul. Escriba
todos los posibles resultados.

Página 31 de 49
S36. En un bombo de lotería hay 10 bolas enumeradas del 0 al 9. Extraemos una al
azar y anotamos el número obtenido, que será la terminación del número
ganador. Considere los siguientes sucesos: 𝐴 = "𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑢𝑢 𝑛ú𝑚𝑚𝑚𝑚 𝑖𝑖𝑖𝑖𝑖" y
𝐵 = "𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑢𝑢 𝑛ú𝑚𝑚𝑚𝑚 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑎 5".

– � ���
Describa 𝐴, 𝐵, 𝐴, 𝐵, 𝐴 ∪ 𝐵, 𝐴 ∩ 𝐵.

– Calcule las probabilidades de los sucesos anteriores.

S37. Lanzamos dos dados y sumamos los resultados obtenidos. Calcule:

– La probabilidad de obtener una suma de 4.

– La probabilidad de obtener una suma superior a 9.

– La probabilidad de obtener una suma inferior a 5.

S38. Si lanzamos simultáneamente dos monedas al aire, calcule la probabilidad de:

– Obtener dos cruces.

– Obtener cara en una moneda y cruz en otra moneda.

S39. Lanzamos un dado cúbico dos veces y anotamos los resultados, calcule la
probabilidad de:

– Obtener dos 3.

– Obtener dos números distintos de 3.

S40. Lanzamos dos veces una moneda truncada, con probabilidad de salir cara de
0,4, y anotamos los resultados. Calcule:

– La probabilidad de obtener dos cruces.

– La probabilidad de obtener por lo menos una cara.

– ¿Hay algún tipo de relación entre los dos resultados anteriores?

S41. En un partido de fútbol de infantiles los turnos de penaltis son de 3

lanzamientos. Un equipo tiene tres lanzadores muy buenos, meten 9 de cada 10
penaltis que lanzan. Calcule:

– La probabilidad de que metan los tres lanzamientos.

– La probabilidad de que fallen dos de ellos.

– La probabilidad de que alguno de ellos falle en el disparo.

Página 32 de 49
4. Solucionario
4.1 Actividades propuestas
Estamos utilizando para la resolución de los problemas un redondeo a dos cifras
decimales.

S1.
– El sexo de los habitantes de una ciudad: variable aleatoria cualitativa. Es
conveniente estudiar dicha variable en una muestra.
– La nacionalidad de las personas que viven en su país: variable aleatoria
cualitativa. Sería mejor estudiar esta variable en la muestra.
– El dinero gastado por sus hermanos en un día: variable aleatoria
cuantitativa continua. Se podría estudiar toda la población
– El peso de todos sus amigos y amigas: variable aleatoria cuantitativa
continua. Se podría estudiar toda la población.
– El color de los ojos de su familia directa (abuelos, tíos, primos, hermanos e
hijos): variable aleatoria cualitativa. Se puede estudiar toda la población.
– Velocidad a la que pasan los coches por una calle: variable aleatoria
cuantitativa discreta. Aquí tendríamos que distinguir si pasan pocos coches
(y en este caso estudiamos toda la población) o si, por el contrario, pasan
muchos coches, con lo cual sería mejor opción estudiar una muestra de las
velocidades a la que pasan los coches.
– El número de hijos de todos sus primos: variable aleatoria cuantitativa
discreta. Se podría estudiar toda la población.
S2.
Variable estadística Gasto que hacen las personas que van a un negocio.
Población 12 358 personas que visitaron el negocio.
Muestra y tamaño muestral Las 120 personas elegidas.
Individuo Cada una de las 120 personas elegidas.

S3.
Veces que comen
una pieza de chocolate 𝑓𝑖 𝐹𝑖 ℎ𝑖 𝐻𝑖
𝑥𝑖
0 4 4 0,2 0,2
1 8 12 0,4 0,6
2 4 16 0,2 0,8
3 2 18 0,1 0,9
4 1 19 0,05 0,95
5 1 20 0,05 1
20

Página 33 de 49
S4.
Longitud en mm Marca de clase
𝑓𝑖 𝐹𝑖 ℎ𝑖 𝐻𝑖
Intervalos o clases 𝑥𝑖
7≤𝑥<8 7,5 6 6 0,24 0,24
8≤𝑥<9 8,5 8 14 0,32 0,56
9 ≤ 𝑥 < 10 9,5 5 19 0,2 0,76
10 ≤ 𝑥 < 11 10,5 4 23 0,16 0,92
11 ≤ 𝑥 < 12 11,5 2 25 0,08 1
25 1

S5.
Color del pelo
𝑓𝑖 𝐹𝑖 ℎ𝑖 𝐻𝑖
𝑥𝑖
N 10 10 0,4167 0,4167
L 10 20 0,4167 0,8333
N 4 24 0,1667 1
24 1

En las frecuencias relativas, absolutas y acumuladas los aparentes errores en

las sumas son debidos al redondeo y, la mayor parte de las veces, afectarán a
la cuarta cifra decimal. Esto es debido a que los cálculos están hechos con
hojas de cálculo y cuando parece que deberíamos de sumar 0,4167 + 0,4167 =
0,8334 la hoja de cálculo suma 0,41666… + 0,41666… = 0,833333… y, por lo
tanto, presenta como resultado 0,8333.

S6.
Diagrama de barras y polígono de frecuencias Diagrama de sectores

S7.
– En la primera tabla obtenemos 𝑥̅ = 3,05; 𝑀𝑀 = 3 y 𝑀𝑀 = 3.

– En la segunda tabla obtenemos 𝑥̅ = 15,33; intervalo modal [0, 10) → 𝑀𝑀 = 5

e intervalo mediano [10, 20) → 𝑀𝑀 = 15.

– En la tercera tabla 𝑀𝑀 = 𝐵𝐵.

Página 34 de 49
S8. Ampliemos con las frecuencias acumuladas las dos tablas

𝑥𝑖 1 2 3 4 5 Clases [0, 10) [10, 20) [20, 30) [30, 40) [40, 50)

𝑓𝑖 2 4 8 5 2 𝑓𝑖 12 9 6 2 1

𝐹𝑖 2 6 14 19 21 𝐹𝑖 12 21 27 29 30

En el primer caso:
– 25 % de 21 es 5,25. Por lo tanto, 𝑄1 = 2.

– 50 % de 21 es 10,5. Por lo tanto, 𝑄2 = 3.

– 75 % de 21 es 15,75. Por lo tanto, 𝑄3 = 4.

En el segundo caso:
– 25 % de 30 es 7,5. Por lo tanto, 𝑄1 = 5.

– 50 % de 30 es 15. Por lo tanto, 𝑄2 = 15.

– 75 % de 30 es 22,5. Por lo tanto, 𝑄3 = 25.

S9. En el primero caso:

– 𝑅 = 4.

– 𝐷𝐷 = 0,83.

– 𝑣𝑣𝑣 = 1,19.

– 𝜎 = 1,09.

– 𝐶𝐶 = 0,3577 → 35,77 %.

En el segundo caso:
– 𝑅 = 50.

– 𝐷𝐷 = 8,47.

– 𝑣𝑣𝑣 = 116,56.

– 𝜎 = 10,80.

– 𝐶𝐶 = 0,7041 → 70,41 %.

S10. Las soluciones son las siguientes:

Página 35 de 49
 – 32,5 %.

– 80 %.

– 𝑥̅ = 6,34; 𝑀𝑀 = 6 y 𝑀𝑀 = 6.

– 𝑄1 = 5,𝑄2 = 6 y 𝑄3 = 7,5.

– 𝑅 = 7, 𝐷𝐷 = 1,52, 𝑣𝑣𝑣 = 3,45, 𝜎 = 1,86 y 𝐶𝐶 = 29,32, → 29,32 %.

Puesto que CV = 29,32 %, los datos están separados de la media.

S11. Las soluciones son las siguientes:

– 𝑀𝑀 = 𝑀𝑀𝑀𝑀𝑀𝑀.

S12. Las soluciones son las siguientes:

𝑥𝑖 𝑓𝑖

1,8 3

2,2 5

2,6 10

3 20

3,4 9

3,8 3

50

– 36 %.

– 𝑥̅ = 2,89; 𝑀𝑀 = 3 y 𝑀𝑀 = 3.

– 𝑄1 = 2,6, 𝑄2 = 3 y 𝑄3 = 3.

– 𝑅 = 2,4, 𝐷𝐷 = 0,38, 𝑣𝑣𝑣 = 0,24, 𝜎 = 0,49 y 𝐶𝐶 = 0,1686 → 16,86 %.

Debido a que el CV = 16,86 %, los datos están relativamente agrupados

alrededor de la media.

Página 36 de 49
S13.
Experimento aleatorio Experimento aleatorio No es experimento aleatorio

Experimento aleatorio No es experimento aleatorio

S14. Si llamamos Bl = “sacar bola blanca”, Ne = “sacar bola negra” y Ro = “sacar bola
roja”, entonces:

Espacio muestral 𝐸 = {𝐵𝐵, 𝑁𝑁, 𝑅𝑅, 𝑅𝑅}

Suceso elemental 𝐴 = {𝐵𝑙} Suceso compuesto 𝐵 = {𝐵𝐵, 𝑁𝑁}

𝐶 = {𝑠𝑠𝑠𝑠𝑠 𝑏o𝑙𝑙 𝑟𝑟𝑟𝑟𝑟𝑟𝑟} 𝐸 = {𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑒𝑒 𝑛ú𝑚𝑚𝑚𝑚 1}

S15. Los resultados son:

𝐸 = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}

𝐴 = {2, 4, 6, 8, 10} 𝐵 = {6, 7, 8, 9, 10}

𝐴̅ = {1, 3, 5, 7, 9} 𝐵� = {1, 2, 3, 4, 5}

𝐴 ∪ 𝐵 = {2, 4, 6, 7, 8, 9, 10} 𝐴 ∩ 𝐵 = {6, 8, 10}

S16. Si definimos I = “obtener película infantil”, A = “obtener película acción”, D =

“obtener película drama” y C = “obtener película comedia”, entonces:

94
𝑃(𝐶) = = 0,2094
449

249
�) =
𝑃(𝐷 = 0,5546
449

S17. Definimos los sucesos 3 = “sacar un 3”, M3 = “sacar múltiplo de 3”, N = “sacar
número negativo” y A = “sacar un número menor que 20”, entonces:
1
– 𝑃(3) = = 0,0833.
12

4
– 𝑃(𝑀3) = = 0,3333.
12

8
– ����) =
𝑃(𝑀3 = 0,6667.
12

0
– 𝑃(𝑁) = = 0. Suceso imposible.
12

12
– 𝑃(𝐴) = = 1 . Suceso seguro.
12

S18. Utilizaremos lo que se llama en estadística tabla de contingencia, que sirve para
expresar los diferentes valores de dos o más variables, en este caso los
diferentes resultados de cada uno de los dados. En las celdas interiores
situaremos las sumas de los valores de cada dado.

Página 37 de 49
 Definimos los sucesos + 2 = “sumen 2”, + 1 = “sumen 1”, y < 6 = “sumen menos
de 6”, entonces:
1
– 𝑃(+2) = = 0,0278, como puede observar:
36

0
– 𝑃(+1) = = 0. Es imposible que sumen 1, es un suceso imposible.
36

10
– 𝑃(< 6) = = 0,2778, como puede observar:
36

26
– �����
𝑃(< 6) = = 0,7222, como puede observar en la tabla anterior. En este
36

caso habría que contar los que quedan fuera del triángulo de lados rojos.

S19. Las soluciones son:

– 𝐸 = {𝐶𝐶𝐶, 𝐶𝐶𝐶, 𝐶𝐶𝐶, 𝐶𝐶𝐶, 𝑋𝑋𝑋, 𝑋𝑋𝑋, 𝑋𝑋𝑋, 𝑋𝑋𝑋}

– 𝐴 = {𝐶𝐶𝐶, 𝐶𝐶𝐶, 𝑋𝑋𝑋, 𝑋𝑋𝑋 }

– 𝐵 = {𝑋𝑋𝑋, 𝑋𝑋𝑋, 𝑋𝑋𝑋, 𝑋𝑋𝑋}

– 𝐴 ∪ 𝐵 = {𝐶𝐶𝐶, 𝐶𝐶𝐶, 𝑋𝑋𝑋, 𝑋𝑋𝑋, 𝑋𝑋𝑋, 𝑋𝑋𝑋}

– 𝐴 ∩ 𝐵 = {𝑋𝑋𝑋, 𝑋𝑋𝑋 }
4 4 6 2
– 𝑃(𝐴) = = 0,5; 𝑃(𝐵) = = 0,5; 𝑃(𝐴 ∪ 𝐵) = = 0,75 y 𝑃(𝐴 ∩ 𝐵) = = 0,25
8 8 8 8

Página 38 de 49
S20. Definimos los intervalos B = “sacar bola blanca”, N = “sacar bola negra” y
R = “sacar bola roja”, entonces:
5 4
– 𝑃(𝐵 𝑜 𝑁) = 𝑃(𝐵) + 𝑃(𝑁) = + = 0,75
12 12

3
– 𝑃(𝐵� 𝑦 𝑁
�) = 𝑃(𝑅) = = 0,25
12

9
– 𝑃(𝑅�) = = 0,75
12

S21. Definimos los sucesos 1C = “sacar caballo en la primera extracción” y 2C =

“sacar caballo en la segunda extracción”, entonces:
4 4 16
– 𝑃(1𝐶, 2𝐶) = 𝑃(1𝐶) · 𝑃(2𝐶) = · = = 0,01. En la segunda extracción
40 40 1600

hay las mismas posibilidades, porque la baraja se encuentra exactamente

igual que en la primera extracción. Son sucesos independientes.
4 3 12
– 𝑃(1𝐶, 2𝐶) = 𝑃(1𝐶) · 𝑃(2𝐶) = · = = 0,0076. En la segunda
40 39 1560

extracción solo quedan 3 caballos y 39 cartas en la baraja, ya que no

devolvemos el primer caballo. Son sucesos dependientes.

S22. Definimos H = “sea niño”, M = “sea niña” y L = “usar gafas”. Si observamos el

siguiente diagrama de árbol:

230 70 70
– P(H y L) = P(H) · P(L) = · = = 0,14. En la probabilidad de usar
500 230 500

gafas tenemos que tener en cuenta que es del grupo de los niños. Los
sucesos son dependientes.
270 60 60
– 𝑃(𝑀 𝑒 𝐿�) = 𝑃(𝐻) · 𝑃(𝐿�) = · = = 0,12. En la probabilidad de usar
500 270 500

gafas tenemos que tener en cuenta que es del grupo de las niñas. Los
sucesos son dependientes.

S23. Definimos los sucesos M3 = “salir múltiplo de 3”, C = “salir cara” y N = “salir bola
color negra”, entonces:
2 1 1
– 𝑃(𝑀3 𝑦 𝐶) = 𝑃(𝑀3) · 𝑃(𝐶) = · = = 0,1667
6 2 6

– 𝑃(𝑀3 ����) · 𝑃(𝑁) = 4 · 1 =

�����𝑦 𝑁) = 𝑃(𝑀3 4
= 0,2222
6 3 18

Página 39 de 49
S24. Definimos los sucesos, 1N = “escoger 1.º negro”, 2N = “escoger 2.º negro”,
1B = “escoger 1.º blanco” y 2B = “escoger 2.º blanco”. Hacemos un diagrama de
árbol que nos ayude a comprender el problema:

5 4 20
– 𝑃(1𝑁 𝑦 2𝑁) = 𝑃(1𝑁) · 𝑃(2𝑁) = · = = 0,3571
8 7 56

5 3 3 5 15 15 30
– 𝑃(𝑚𝑚𝑚𝑚𝑚 𝑐𝑐𝑐𝑐𝑐) = 𝑃(1𝑁 𝑦 2𝐵) + 𝑃(1𝐵 𝑦 2𝑁) = · + · = + = =
8 7 8 7 56 56 56

0,5357

Son sucesos dependientes, porque, cuando escogemos la segunda vez, el

número de calcetines cambia, por lo tanto, debemos tener esto en cuenta a la
hora de poner la probabilidad en la segunda selección.

S25. Definimos los sucesos, DH = “salir elegido como delegado un niño”, DM = “salir
elegido como delegada una niña” y SH = “salir elegido un niño como
subdelegado”. Hacemos un diagrama de árbol que nos ayude a interpretar el
problema.

15 10 150
– 𝑃(𝐷𝐷 𝑦 𝑆𝑆) = 𝑃(𝐷𝐷) · 𝑃(𝑆𝑆) = · = = 0,25
25 24 600

10 9 90
– 𝑃(𝐷𝐷 𝑦 𝑆𝑆) = 𝑃(𝐷𝐷) · 𝑃(𝑆𝑆) = · = = 0,15
25 24 600

Una vez que elegimos un delegado, la elección de subdelegado está

condicionada por la anterior, por lo tanto, son sucesos dependientes y esto lo
debemos tener en cuenta a la hora de poner las probabilidades de los
subdelegados, el número de niños y niñas es distinto.

Página 40 de 49
4.2 Actividades finales

S26. La solución es la siguiente:

– Población: todo el alumnado de la escuela de primaria.

– Muestra: 10 estudiantes elegidos al azar de cada curso.

– Variable: deporte que practican; se trata de una variable estadística

cualitativa.

S27. La solución es la siguiente:

– Población: todos los tornillos fabricados por este fabricante.

– Muestra: 1 de cada 100 tornillos elegidos al azar.

– En este caso hay 3 variables: si el tornillo está bien o mal fabricado sería
una variable cualitativa, la longitud se trataría de una variable cuantitativa
continua y el número de pasos de rosca se trataría de una variable
cuantitativa discreta.

S28.
– La población a estudiar son las 750 personas que viven en esa localidad y
la muestra las 25 elegidas para realizar el estudio.

– Se trata de una variable cualitativa.

Grupo sanguíneo
𝑓𝑖
𝑥𝑖

A 12

B 5

O 5

AB 3

25
– El diagrama de barras es:

Página 41 de 49
 – El diagrama de sectores es el siguiente:

– Mo = A.

S29.
– Haremos solamente una tabla de valores con las frecuencias absolutas y
las frecuencias relativas para analizar las porcentajes.

Resultados
𝑥𝑖 𝑓𝑖 ℎ𝑖
1 148 0,148
2 142 0,142
3 133 0,133
4 155 0,155
5 297 0,297
6 125 0,125
1000 1

– Podemos observar que el número 5 sale con una proporción de un 29,7 %

cuando, con un número alto de lanzamientos, para cada valor deberíamos
100
obtener aproximadamente unos porcentajes alrededor del ≈ 16,67 %.
6
Con estos resultados podríamos pensar que el dado no está equilibrado.

Página 42 de 49
S30.

Núm. de libros
que leen al
𝑓𝑖 𝐹𝑖 ℎ𝑖 𝐻𝑖
semestre
𝑥𝑖
0 5 5 0,05 0,05
1 7 12 0,07 0,12
2 10 22 0,10 0,22
3 23 45 0,23 0,45
4 24 69 0,24 0,69
5 15 84 0,15 0,84
6 12 96 0,12 0,96
7 4 100 0,04 1
100 1

𝑥̅ = 3,67 𝑀𝑀 = 4 𝑀𝑀 = 4

𝑄1 = 𝑃25 = 3 𝑄2 = 𝑃50 = 4 𝑄3 = 𝑃75 = 5 𝑃15 = 2 𝑃85 = 6

𝑅=7 𝐷𝐷 = 1,38 𝑣𝑣𝑣 = 2,94 𝜎 = 1,71 𝐶𝐶 = 0,4673

Puesto que el CV es de un 46,73 %, podemos decir que los datos no están muy
agrupados alrededor de la media.

S31.

Núm. de vacas
𝑓𝑖 𝐹𝑖 ℎ𝑖 𝐻𝑖
𝑥𝑖
1 1 1 0,04 0,04
2 3 4 0,12 0,16
3 14 18 0,56 0,72
4 6 24 0,24 0,96
5 1 25 0,04 1
25 1

𝑥̅ = 3,12 𝑀𝑀 = 3 𝑀𝑀 = 3

𝑄1 = 𝑃25 = 3 𝑄2 = 𝑃50 = 3 𝑄3 = 𝑃75 = 4 𝑃20 = 3 𝑃80 = 4

𝑅=4 𝐷𝐷 = 0,57 𝑣𝑣𝑣 = 0,67 𝜎 = 0,82 𝐶𝐶 = 0,2615

Página 43 de 49
S32.

Número de
Marca 𝑓𝑖
horas 𝑓𝑖
de clase 𝑓𝑖 ℎ𝑖 𝐹𝑖 𝐻𝑖 · |𝑥𝑖 𝑓𝑖 · 𝑥𝑖 2
Intervalos o · 𝑥𝑖
𝑥𝑖 − 𝑥̅ |
clases
0≤𝑥<3 1,5 6 0,20 6 0,20 9 39,6 13,5
3≤𝑥<6 4,5 3 0,10 9 0,30 13,5 10,8 60,75
6≤𝑥<9 7,5 7 0,2333 16 0,5333 52,5 4,2 393,75
9 ≤ 𝑥 < 12 10,5 7 0,2333 23 0,7667 73,5 16,8 771,75
12 ≤ 𝑥
13,5 7 0,2333 30 1 94,5 37,8 1275,75
< 15
30 1 243 109,2 2515,5

𝑥̅ = 8,1 𝑀𝑀 = 7,5 10,5 𝑒 13,5 𝑀𝑀 = 7,5

𝑄1 = 𝑃25 = 4,5 𝑄2 = 𝑃50 = 7,5 𝑄3 = 𝑃75 = 10,5 𝑃15 = 1,5 𝑃60 = 10,5

𝑅 = 15 𝐷𝐷 = 3,64 𝑣𝑣𝑣 = 18,24 𝜎 = 4,27 𝐶𝐶 = 0,5273

S33.

Peso (kg) Marca 𝑓𝑖

Intervalos o de clase 𝑓𝑖 ℎ𝑖 𝐹𝑖 𝐻𝑖 𝑓𝑖 · 𝑥𝑖 · |𝑥𝑖 𝑓𝑖 · 𝑥𝑖 2
clases 𝑥𝑖 − 𝑥̅ |
6≤𝑥<7 6,5 3 0,12 3 0,12 19,5 5,04 126,75
7≤𝑥<8 7,5 8 0,32 11 0,44 60 5,44 450
8≤𝑥<9 8,5 10 0,40 21 0,84 85 3,2 722,5
9≤𝑥
9,5 2 0,08 23 0,92 19 2,64 180,5
< 10
10 ≤ 𝑥
10,5 2 0,08 25 1 21 4,64 220,5
< 11
25 1 204,5 20,96 1700,25

𝑥̅ = 8,18 𝑀𝑀 = 8,5 𝑀𝑀 = 8,5

𝑄1 = 7,5 𝑄2 = 8,5 𝑄3 = 8,5

𝑅=5 𝐷𝐷 = 0,84 𝑣𝑣𝑣 = 1,10 𝜎 = 1,05 𝐶𝐶 = 0,1281

– El CV es de un 12,81 % y eso significa que los datos están agrupados

relativamente alrededor de la media.

Página 44 de 49
S34.

Marca
Dinero (€) 𝑓𝑖
de 𝑓𝑖
Intervalos o clase 𝑓𝑖 ℎ𝑖 𝐹𝑖 𝐻𝑖 𝑓𝑖 · 𝑥𝑖 · |𝑥𝑖
· 𝑥𝑖 2
clases − 𝑥̅ |
𝑥𝑖

0≤𝑥<5 2,5 13 0,4333 13 0,4333 32,5 65 81,25

5 ≤ 𝑥 < 10 7,5 8 0,2667 21 0,70 60 0 450

10 ≤ 𝑥
12,5 6 0,20 27 0,90 75 30 937,5
< 15

15 ≤ 𝑥
17,5 2 0,0667 29 0,9667 35 20 612,5
< 20

20 ≤ 𝑥
22,5 1 0,0333 30 1 22,5 15 506,25
< 25

30 1 225 130 2587,5

𝑥̅ = 7,5 𝑀𝑀 = 2,5 𝑀𝑀 = 7,5

𝑄1 = 2,5 𝑄2 = 7,5 𝑄3 = 12,5 𝑃35 = 2,5 𝑃95 = 17,5

𝑅 = 25 𝐷𝐷 = 4,33 𝑣𝑣𝑣 = 30 𝜎 = 5,48 𝐶𝐶 = 0,7303

S35.

S36.
– 𝐴 = {1,3,5,7,9}, 𝐵 = {6,7,8,9}, 𝐴̅ = {0,2,4,6,8}𝐵� = {0,1,2,3,4,5} 𝐴 ∪ 𝐵 =
{1,3,5,6,7,8,9}, 𝐴 ∩ 𝐵 = {7,9}.
5 4 5 6 7 2
– 𝑃(𝐴) = , 𝑃(𝐵) = , 𝑃(𝐴̅) = , 𝑃(𝐵�) = , 𝑃(𝐴 ∪ 𝐵) = , 𝑃(𝐴 ∩ 𝐵) = .
10 10 10 10 10 10

Página 45 de 49
S37. Las probabilidades pueden observarse en los siguientes gráficos:

3
– 𝑃(𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑠𝑠𝑠𝑠 𝑑𝑑 4) = .
36
6
– 𝑃(𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑠𝑠𝑠𝑠 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑎 9) = .
36
6
– 𝑃(𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑠𝑢𝑢𝑢 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑎 5) = .
36

S38.
1
– 𝑃(1𝑋 𝑦 2𝑋) = .
4
1 1 2 1
– 𝑃(𝐶 𝑦 𝑋) = 𝑃(1𝐶 𝑦 2𝑋) + 𝑃(1𝑋 𝑦 2𝐶) = + = = .
4 4 4 2

S39. Observando estás tablas podemos responder fácilmente.

1
– 𝑃(3 𝑦 3) = .
36

– 𝑃(𝑛𝑛 3 𝑦 𝑛𝑛 3) = 36.

S40.
– 𝑃(1𝑋 𝑦 2𝑋) = 0,6 · 0,6 = 0,36.
– 𝑃(𝑝𝑝𝑝 𝑙𝑙 𝑚𝑚𝑚𝑚𝑚 1 𝑐𝑐𝑐𝑐) = 𝑃(1𝐶 𝑦2𝐶) + 𝑃(1𝐶 𝑦2𝑋) + 𝑃(1𝑋 𝑦2𝐶) = 0,4 · 0,4 +
0,4 · 0,6 + 0,6 · 0,4 = 0,64.
– 𝐿𝐿 𝑟𝑟𝑟𝑟𝑟𝑟ó𝑛 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑒𝑒 𝑙𝑙 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠: 𝑃(𝑝𝑝𝑝 𝑙𝑙 𝑚𝑚𝑚𝑚𝑚 1 𝑐𝑐𝑐𝑐) =
1 − 𝑃(𝑜𝑜𝑜𝑜𝑛𝑒𝑒 𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐).

S41. Definimos G = “meter gol” y F = “fallar el penalti”

– 𝑃(1𝐺 𝑦 2𝐺 𝑦 3𝐺) = 0,9 · 0,9 · 0,9 = 0,729.
– 𝑃(𝑓𝑓𝑓𝑓𝑓𝑓 2 𝑑𝑑 𝑒𝑒𝑒𝑒𝑒) =
𝑃(1𝐺 𝑦 2𝐹 𝑦 3𝐹) + 𝑃(1𝐹 𝑦 2𝐺 𝑦 3𝐹) + 𝑃(1𝐹 𝑦 2𝐹 𝑦 3𝐺) = 0,27.
– 𝑃(𝑎𝑎𝑎ú𝑛 𝑓𝑓𝑓𝑓𝑓 𝑒𝑒 𝑒𝑒 𝑑𝑑𝑑𝑑𝑑𝑑𝑑) = 1 − 𝑃(1𝐺 𝑦 2𝐺 𝑦 3𝐺) = 1 − 0,729 = 0,271.

Página 46 de 49
5. Glosario

C  Coeficiente de
Cociente entre las desviaciones típicas y la media aritmética.
variación

 Desviación media Es la media de los valores absolutos de las desviaciones de cada dato.
D
 Desviación típica Raíz cuadrada de la varianza.
Ciencia de las matemáticas que se encarga de recoger y ordenar datos
 Estadística
referidos a fenómenos para después analizarlos e interpretarlos.
E
 Espacio muestral Conjunto de todos los sucesos elementales.
 Experimento aleatorio Aquel experimento del que no se puede predecir el resultado.
 Frecuencia absoluta Número de veces que aparece un determinado valor en la muestra.
 Frecuencia relativa Cociente entre la frecuencia absoluta y el número total de datos.
F
 Frecuencia
Suma de todas las frecuencia absolutas/relativas de los valores menores o
absoluta/relativa
iguales que él.
acumulada

G  Gráfico estadístico
Permite organizar e interpretar los datos obtenidos en un estudio estadístico de
una manera más visual.

I  Individuo Cada uno de los elementos de la población.

Cociente entre la suma de todos los datos multiplicados por sus frecuencias y el
 Media aritmética
número total de individuos de la muestra.
M  Mediana Valor que ocupa la posición central después de ordenarlos.
 Moda Valor de mayor frecuencia.
 Muestra Parte de la población sobre la que realizamos un estudio estadístico.
 Población Conjunto de elementos sobre los que se realiza un estudio estadístico.
P  Probabilidad de un Número comprendido entre 0 y 1 que indica la facilidad con la que un suceso
suceso puede ocurrir.

Q  Cuartiles
Medidas que dividen el conjunto de los valores ordenados en cuatro partes
iguales.

R  Rango Diferencia entre el mayor y el menor valor de la variable.

 Suceso contrario de A Aquel que está formado por los sucesos elementales que no están en A.
S  Suceso compuesto Aquel que está formado por varios sucesos elementales.
 Suceso elemental Cada uno de los posibles resultados de un experimento.

 Variables cualitativas Aquellas cuyos valores son cualidades.

 Variables cuantitativas Aquellas cuyos valores son números.

V
Cada una de las propiedades o características que estudiamos en un estudio
 Variable estadística
estadístico.

 Varianza Es la media de los cuadrados de las desviaciones.

Página 47 de 49
6. Bibliografía y recursos
Bibliografía

 Matemáticas. Enseñanzas aplicadas. Serie Soluciona. 4.º ESO. Editorial Santillana.

 Matemáticas. Enseñanzas académicas. Serie Resuelve. 4.º ESO. Editorial

Santillana.

 Matemáticas orientadas a las enseñanzas aplicadas. 4.º ESO. Editorial Anaya.

 Matemáticas orientadas a las enseñanzas académicas. 4.º ESO. Editorial Anaya.

 Matemáticas orientadas a las enseñanzas aplicadas. 4.º de la ESO. LOMCE.

Textos Marea Verde.

 Matemáticas orientadas a las enseñanzas académicas. 4.º de la ESO. LOMCE.

Textos Marea Verde.

Enlaces de Internet

En estos enlaces puede encontrar trucos e información que puede consultar para
mejorar su práctica.

 http://www.universoformulas.com/

 http://www.vitutor.com/

 http://www.apuntesmareaverde.org.es/

 http://educalab.es/recursos

 https://esorecursosdematematicas.blogspot.com.es/

Página 48 de 49
7. Anexo. Licencia de recursos
Licencias de recursos utilizados en esta unidad didáctica

RECURSO (1) DATOS DEL RECURSO (1) RECURSO (2) DATOS DEL RECURSO (2)

 Procedencia:  Procedencia:
http://www.universoformulas.com/ http://www.vitutor.com/

RECURSO 1 RECURSO 2
 Autoría: Félix Vallés Calvo
 Licencia: uso no comercial
 Procedencia:  Procedencia:
http://www.vitutor.com/ http://recursostic.educacion.es/b
ancoimagenes/web/
RECURSO 3
RECURSO 4

 Autoría: Félix Vallés Calvo  Autoría: Félix Vallés Calvo

 Licencia: uso no comercial  Licencia: uso no comercial
 Procedencia:  Procedencia:
http://recursostic.educacion.es/b http://recursostic.educacion.es/b
ancoimagenes/web/ ancoimagenes/web/
RECURSO 5 RECURSO 6
 Autoría: Félix Vallés Calvo  Autoría: Félix Vallés Calvo
 Licencia: uso no comercial  Licencia: uso no comercial
 Procedencia:  Procedencia:
http://recursostic.educacion.es/b http://recursostic.educacion.es/b
ancoimagenes/web/ ancoimagenes/web/
RECURSO 7 RECURSO 8

 Autoría: Félix Vallés Calvo  Autoría: Félix Vallés Calvo

 Licencia: uso no comercial  Licencia: uso no comercial
 Procedencia:  Procedencia:
http://recursostic.educacion.es/b http://recursostic.educacion.es/b
ancoimagenes/web/ ancoimagenes/web/

RECURSO 9 RECURSO 10

 Autoría: Félix Vallés Calvo  Autoría: Félix Vallés Calvo

 Licencia: uso no comercial  Licencia: uso no comercial
 Procedencia:  Procedencia:
http://recursostic.educacion.es/b http://recursostic.educacion.es/b
ancoimagenes/web/ ancoimagenes/web/
RECURSO 11 RECURSO 12

Página 49 de 49