PAU SELECTIVIDAD ANDALUCÍA • MATEMÁTICAS II

Probabilidad y Distribuciones Selectividad: 10 Problemas Resueltos Paso a Paso + PDF

Guía maestra de examen: Teorema de Bayes, probabilidad condicionada, distribución Binomial, Normal, tipificación y aproximación de Moivre-Laplace con corrección de Yates.

👨‍🏫 Autor: D. José Garcés Ávila (Ingeniero Mecánico) 🏛️ Criterios: Ponencia Universitaria Andaluza 📄 Formato: Cuadernillo Imprimible A4

📄 Cuadernillo Oficial de Examen en PDF (6 Páginas A4)

Los 10 problemas resueltos paso a paso con las trampas de la ponencia y la tabla resumen métrico-estadística para imprimir y repasar a mano.

⬇️ Descargar Cuadernillo PDF

🎯 Criterios Ineludibles de la Ponencia Andaluza de Matemáticas II

El Bloque de Probabilidad y Estadística es uno de los más agradecidos de la PAU si se redacta con rigor formal. Para evitar penalizaciones sistemáticas de los correctores, cumple siempre:

  • Definición explícita de sucesos y variables: Identifica con letras cada suceso (A, B, C…) y define formalmente las variables aleatorias X ~ B(n, p) o X ~ N(μ, σ) antes de calcular probabilidades.
  • Independencia vs Incompatibilidad: Son conceptos distintos. A y B son independientes si P(A ∩ B) = P(A) · P(B); son incompatibles o disjuntos si P(A ∩ B) = 0. Dos sucesos posibles jamás pueden ser ambas cosas a la vez.
  • Desarrollo del Teorema de Bayes: Escribe siempre la fórmula teórica completa en el denominador mediante el Teorema de la Probabilidad Total antes de introducir números.
  • Tipificación de la Normal: Muestra el cambio Z = (X − μ) / σ y justifica las simetrías Φ(−z) = 1 − Φ(z) para valores negativos.
  • Aproximación de Moivre-Laplace y Yates: Comprueba n · p ≥ 5 y n · q ≥ 5, y aplica obligatoriamente la corrección por continuidad de ±0,5 al discretizar.
Problema 1 • Álgebra de Sucesos y De Morgan Puntuación: 2,5 Puntos

Operaciones con Sucesos, Leyes de De Morgan e Independencia

Sean A y B dos sucesos asociados a un experimento aleatorio tales que P(A) = 0,6, P(B) = 0,4 y P(Ā ∪ B̄) = 0,7.
a) Calcule la probabilidad de que ocurran simultáneamente ambos sucesos, P(A ∩ B).
b) Determine si los sucesos A y B son independientes. Justifique formalmente la respuesta.
c) Calcule la probabilidad de que ocurra A pero no ocurra B, P(A − B), y la probabilidad condicionada P(A | B̄).
👁️ Ver Resolución Oficial Paso a Paso
1. Cálculo de P(A ∩ B) mediante la Ley de De Morgan
Por la primera ley de De Morgan, la unión de los complementarios es el complementario de la intersección:
Ā ∪ B̄ = (A ∩ B)̄ ⟹ P(Ā ∪ B̄) = 1 - P(A ∩ B)
Sustituyendo los datos del enunciado:
0,7 = 1 - P(A ∩ B) ⟹ P(A ∩ B) = 1 - 0,7 = 0,30
2. Justificación formal de la independencia estocástica
Dos sucesos son estocásticamente independientes si y solo si la probabilidad de su intersección coincide con el producto de sus probabilidades marginales:
P(A ∩ B) = P(A) · P(B)
Calculamos el producto:
P(A) · P(B) = 0,60 · 0,40 = 0,24
Como P(A ∩ B) = 0,30 ≠ 0,24, concluimos formalmente que los sucesos A y B NO son independientes (son sucesos dependientes).
3. Diferencia de sucesos y probabilidad condicionada
• Para la diferencia (ocurre A y no ocurre B):
P(A − B) = P(A ∩ B̄) = P(A) - P(A ∩ B) = 0,60 - 0,30 = 0,30
• Para la probabilidad de A condicionada al suceso contrario de B:
P(B̄) = 1 - P(B) = 1 - 0,40 = 0,60
P(A | B̄) = P(A ∩ B̄) / P(B̄) = 0,30 / 0,60 = 0,50
⚠️ La Trampa de la Ponencia: No confundir P(Ā ∪ B̄) con P(Ā ∩ B̄). Recordar siempre que el complementario de la unión es la intersección de complementarios (A ∪ B)̄ = Ā ∩ B̄.
Problema 2 • Probabilidad Total y Bayes Puntuación: 2,5 Puntos

Control de Calidad en Fábrica con 3 Máquinas y Teorema de Bayes

Una fábrica produce piezas mediante tres máquinas M₁, M₂ y M₃ con cuotas de producción del 45%, 35% y 20%, respectivamente. El porcentaje de piezas defectuosas es del 2% en M₁, 3% en M₂ y 5% en M₃. Se escoge una pieza al azar.
a) Calcule la probabilidad de que la pieza seleccionada sea defectuosa.
b) Si la pieza elegida resulta defectuosa, ¿cuál es la probabilidad de que proceda de la máquina M₂?
👁️ Ver Resolución Oficial Paso a Paso
1. Definición de sucesos y asignación de probabilidades
• Sean M₁, M₂, M₃ los sucesos "pieza fabricada por la máquina 1, 2 o 3". Forman una partición del espacio muestral (0,45 + 0,35 + 0,20 = 1).
• Sea D = "pieza defectuosa"; D̄ = "pieza correcta".
Probabilidades condicionadas de defecto: P(D|M₁) = 0,02 ; P(D|M₂) = 0,03 ; P(D|M₃) = 0,05.
2. Apartado a: Teorema de la Probabilidad Total
P(D) = P(M₁)·P(D|M₁) + P(M₂)·P(D|M₂) + P(M₃)·P(D|M₃)
P(D) = 0,45 · 0,02 + 0,35 · 0,03 + 0,20 · 0,05 = 0,0090 + 0,0105 + 0,0100 = 0,0295 (2,95%)
3. Apartado b: Teorema de Bayes
P(M₂ | D) = P(M₂ ∩ D) / P(D) = [P(M₂)·P(D|M₂)] / P(D)
P(M₂ | D) = 0,0105 / 0,0295 = 105 / 295 = 21 / 59 ≈ 0,3559 (35,59%)
⚠️ La Trampa de la Ponencia: Escribir siempre el Teorema de la Probabilidad Total completo en el denominador de la fórmula de Bayes antes de sustituir los valores numéricos.
Problema 3 • Diagnosis Médica y Paradoja Puntuación: 2,5 Puntos

Test de Cribado Médico: Sensibilidad, Especificidad y Valor Predictivo

Una patología afecta al 4% de la población. Un test da positivo en el 95% de los enfermos (sensibilidad), pero produce un falso positivo en el 2% de personas sanas (especificidad del 98%). Se selecciona una persona al azar.
a) Calcule la probabilidad de que el test dé resultado positivo.
b) Si el test da positivo, ¿cuál es la probabilidad real de padecer la enfermedad (VPP)?
c) Si el test da negativo, calcule la probabilidad de que la persona esté sana (VPN).
👁️ Ver Resolución Oficial Paso a Paso
1. Definición formal de sucesos
• E = "persona enferma" ⟹ P(E) = 0,04 ; Ē = "persona sana" ⟹ P(Ē) = 0,96.
• T⁺ = "test positivo" ; T⁻ = "test negativo".
• Datos: P(T⁺|E) = 0,95 ⟹ P(T⁻|E) = 0,05. P(T⁺|Ē) = 0,02 ⟹ P(T⁻|Ē) = 0,98.
2. Probabilidad de test positivo (Probabilidad Total)
P(T⁺) = P(E)·P(T⁺|E) + P(Ē)·P(T⁺|Ē) = 0,04·0,95 + 0,96·0,02 = 0,0380 + 0,0192 = 0,0572 (5,72%)
3. Valor Predictivo Positivo (Bayes)
P(E | T⁺) = P(E ∩ T⁺) / P(T⁺) = 0,0380 / 0,0572 = 95 / 143 ≈ 0,6643 (66,43%)
4. Valor Predictivo Negativo
P(T⁻) = 1 - 0,0572 = 0,9428
P(Ē | T⁻) = [P(Ē)·P(T⁻|Ē)] / P(T⁻) = (0,96·0,98) / 0,9428 = 0,9408 / 0,9428 ≈ 0,9979 (99,79%)
⚠️ La Trampa de la Ponencia: Aunque la prueba tenga un 95% de sensibilidad, sólo el 66% de quienes dan positivo están enfermos. La baja prevalencia (4%) satura de falsos positivos el resultado.
Problema 4 • Urnas sin Reemplazamiento Puntuación: 2,5 Puntos

Extracciones Sucesivas sin Reemplazamiento y Elección de Urna por Dado

Urna A (4 rojas, 6 blancas) y Urna B (7 rojas, 3 blancas). Se lanza un dado equilibrado: si sale 1 o 2 se extraen 2 bolas sin reemplazamiento de A; si sale 3 o más se extraen 2 bolas sin reemplazamiento de B.
a) Calcule la probabilidad de que las dos bolas extraídas sean del mismo color.
b) Sabiendo que ambas bolas han sido rojas, ¿cuál es la probabilidad de que procedan de la Urna B?
👁️ Ver Resolución Oficial Paso a Paso
1. Elección de urna y probabilidades sin reemplazamiento
• P(A) = 2/6 = 1/3 ; P(B) = 4/6 = 2/3.
• En Urna A (total 10 bolas): P(RR|A) = (4/10)(3/9) = 12/90 = 2/15 ; P(BB|A) = (6/10)(5/9) = 30/90 = 5/15.
⟹ P(Mismo color | A) = 2/15 + 5/15 = 7/15.
• En Urna B (total 10 bolas): P(RR|B) = (7/10)(6/9) = 42/90 = 7/15 ; P(BB|B) = (3/10)(2/9) = 6/90 = 1/15.
⟹ P(Mismo color | B) = 7/15 + 1/15 = 8/15.
2. Apartado a: Mismo color (Probabilidad Total)
P(M) = P(A)·P(M|A) + P(B)·P(M|B) = (1/3)(7/15) + (2/3)(8/15) = 7/45 + 16/45 = 23/45 ≈ 0,5111 (51,11%)
3. Apartado b: Urna B condicionada a dos bolas rojas
• Probabilidad total de 2 rojas: P(RR) = (1/3)(2/15) + (2/3)(7/15) = 2/45 + 14/45 = 16/45.
• Bayes:
P(B | RR) = [P(B)·P(RR|B)] / P(RR) = (14/45) / (16/45) = 14/16 = 7/8 = 0,8750 (87,5%)
⚠️ La Trampa de la Ponencia: En la segunda bola, recordar reducir tanto el numerador como el denominador (de 10 a 9) al ser una extracción sin reemplazamiento.
Problema 5 • Distribución Binomial Puntuación: 2,5 Puntos

Distribución Binomial B(n, p): Test Aleatorio y Sucesos Complementarios

Un examen tipo test tiene 8 preguntas independientes con 4 opciones (1 correcta). Un alumno responde al azar.
a) Identifique el modelo de probabilidad y sus parámetros.
b) Calcule la probabilidad de acertar exactamente 3 preguntas.
c) Calcule la probabilidad de aprobar el examen (al menos 4 aciertos).
d) Calcule la probabilidad de acertar al menos una pregunta.
👁️ Ver Resolución Oficial Paso a Paso
1. Identificación del modelo Bernoulli
La variable X = "número de preguntas acertadas" sigue una distribución Binomial con n = 8 ensayos independientes y probabilidad de acierto constante p = 1/4 = 0,25 (q = 0,75).
X ~ B(n = 8, p = 0,25) ⟹ P(X = k) = C(8, k) · (0,25)^k · (0,75)^(8-k)
2. Exactamente 3 aciertos
P(X = 3) = C(8, 3) · (0,25)³ · (0,75)⁵ = 56 · 0,015625 · 0,237305 ≈ 0,2076 (20,76%)
3. Aprobar el examen (X ≥ 4)
Sumamos las probabilidades de 4, 5, 6, 7 y 8 aciertos:
P(X ≥ 4) = P(X=4) + P(X=5) + P(X=6) + P(X=7) + P(X=8)
• P(X=4) = 70 · (0,25)⁴ · (0,75)⁴ ≈ 0,0865
• P(X=5) = 56 · (0,25)⁵ · (0,75)³ ≈ 0,0231
• P(X=6) = 28 · (0,25)⁶ · (0,75)² ≈ 0,0038
• P(X=7) ≈ 0,00037 • P(X=8) ≈ 0,000015
P(X ≥ 4) ≈ 0,1138 (11,38%)
4. Al menos un acierto mediante complementario
P(X ≥ 1) = 1 - P(X = 0) = 1 - (0,75)⁸ = 1 - 0,1001 = 0,8999 (89,99%)
⚠️ La Trampa de la Ponencia: Para calcular "al menos uno", jamás sumes 8 términos. Utiliza siempre el suceso complementario 1 - P(X=0).
Problema 6 • Distribución Normal Puntuación: 2,5 Puntos

Distribución Normal N(μ, σ): Tipificación y Manejo de Tablas N(0, 1)

El peso de piezas mecánicas sigue una distribución normal N(μ = 500 g, σ = 20 g).
a) Calcule la probabilidad de que una pieza elegida al azar pese entre 490 y 530 gramos.
b) Calcule la probabilidad de que una pieza pese menos de 475 gramos.
c) Si se rechazan piezas con peso superior a 545 g, ¿cuántas defectuosas se esperan en un lote de 2.000 piezas?
👁️ Ver Resolución Oficial Paso a Paso
1. Tipificación estándar Z = (X - μ) / σ
Sea X = "peso en gramos" ~ N(500, 20). Tipificamos a la normal estándar Z ~ N(0, 1) con Z = (X - 500)/20.
2. Probabilidad en el intervalo [490, 530]
P(490 ≤ X ≤ 530) = P((490-500)/20 ≤ Z ≤ (530-500)/20) = P(-0,5 ≤ Z ≤ 1,5)
P = Φ(1,5) - Φ(-0,5) = Φ(1,5) - [1 - Φ(0,5)]
En tablas: Φ(1,5) = 0,9332 ; Φ(0,5) = 0,6915.
P = 0,9332 - (1 - 0,6915) = 0,9332 - 0,3085 = 0,6247 (62,47%)
3. Probabilidad de pesar menos de 475 g
P(X < 475) = P(Z < (475-500)/20) = P(Z < -1,25) = 1 - Φ(1,25) = 1 - 0,8944 = 0,1056 (10,56%)
4. Piezas rechazadas en lote de 2.000
P(X > 545) = P(Z > (545-500)/20) = P(Z > 2,25) = 1 - Φ(2,25) = 1 - 0,9878 = 0,0122 (1,22%)
Esperanza matemática: E = 2.000 · 0,0122 = 24,4 ⟹ 24 piezas defectuosas esperadas.
⚠️ La Trampa de la Ponencia: En la tabla oficial no existen valores de z negativos. Para valores negativos, aplica siempre la simetría de la campana Φ(-z) = 1 - Φ(z).
Problema 7 • Inversión de Parámetros Puntuación: 2,5 Puntos

Inversión en la Distribución Normal: Hallar Parámetros Desconocidos (μ y σ)

La vida útil de una batería sigue una distribución normal N(μ, σ). Se sabe que el 10% de las baterías duran menos de 800 días y que el 15% duran más de 1.400 días.
a) Plantee el sistema de ecuaciones para determinar los parámetros μ y σ.
b) Calcule el valor exacto de la vida media μ y de la desviación típica σ.
👁️ Ver Resolución Oficial Paso a Paso
1. Planteamiento de condiciones probabilísticas
Sea X ~ N(μ, σ).
• Condición 1: P(X < 800) = 0,10. Como 0,10 < 0,5, el valor tipificado z₁ es negativo:
1 - Φ(z₀) = 0,10 ⟹ Φ(z₀) = 0,90 ⟹ z₀ = 1,2816 ⟹ z₁ = -1,2816.
(800 - μ) / σ = -1,2816 ⟹ 800 - μ = -1,2816 σ (Ecuación 1)
• Condición 2: P(X > 1400) = 0,15 ⟹ P(X ≤ 1400) = 0,85.
En la tabla: Φ(z₂) = 0,85 ⟹ z₂ = 1,0364.
(1400 - μ) / σ = 1,0364 ⟹ 1400 - μ = 1,0364 σ (Ecuación 2)
2. Resolución del sistema lineal
Restamos la Ecuación 1 de la Ecuación 2:
(1400 - μ) - (800 - μ) = 1,0364 σ - (-1,2816 σ)
600 = 2,3180 σ ⟹ σ = 600 / 2,3180 ≈ 258,84 días
Sustituimos en la Ecuación 2:
μ = 1400 - 1,0364 · (258,84) = 1400 - 268,26 ≈ 1.131,74 días
⚠️ La Trampa de la Ponencia: Olvidar el signo negativo en z₁ al tipificar probabilidades acumuladas menores de 0,50 hace que la desviación típica resultante sea negativa o absurda.
Problema 8 • Teorema de Moivre-Laplace Puntuación: 2,5 Puntos

Aproximación de Binomial por Normal con Corrección por Continuidad de Yates

Un tratamiento tiene una eficacia del 70%. Se administra a una muestra aleatoria de 400 pacientes.
a) Justifique si es aplicable la aproximación de la binomial a la normal y determine sus parámetros.
b) Calcule la probabilidad de que se curen entre 270 y 295 pacientes (ambos inclusive).
c) Calcule la probabilidad de que se curen al menos 300 pacientes.
👁️ Ver Resolución Oficial Paso a Paso
1. Justificación formal de Moivre-Laplace
Variable discreta: X = "pacientes curados" ~ B(n = 400, p = 0,70, q = 0,30).
Comprobación de condiciones exigidas por la ponencia:
n · p = 400 · 0,70 = 280 ≥ 5 y n · q = 400 · 0,30 = 120 ≥ 5
Al cumplirse holgadamente, aproximamos por una normal Y ~ N(μ, σ) con:
μ = n·p = 280 ; σ = √(n·p·q) = √(84) ≈ 9,1652 ⟹ Y ~ N(280; 9,1652)
2. Intervalo [270, 295] con corrección de Yates
Al pasar de discreta a continua, ampliamos medio punto: P(270 ≤ X ≤ 295) ≈ P(269,5 ≤ Y ≤ 295,5).
Tipificamos ambos extremos:
z₁ = (269,5 - 280) / 9,1652 ≈ -1,15 ; z₂ = (295,5 - 280) / 9,1652 ≈ 1,69
P = Φ(1,69) - Φ(-1,15) = 0,9545 - (1 - 0,8749) = 0,9545 - 0,1251 = 0,8294 (82,94%)
3. Al menos 300 pacientes curados (X ≥ 300)
Corrección de Yates: P(X ≥ 300) ≈ P(Y ≥ 299,5).
z = (299,5 - 280) / 9,1652 ≈ 2,13 ⟹ P = 1 - Φ(2,13) = 1 - 0,9834 = 0,0166 (1,66%)
⚠️ La Trampa de la Ponencia: Para X ≥ k restar 0,5 (Y ≥ k - 0,5); para X ≤ k sumar 0,5 (Y ≤ k + 0,5). Omitir esta corrección resta 0,5 puntos en el apartado.
Problema 9 • Problema Combinado PAU Puntuación: 2,5 Puntos

Problema Mixto: Árbol de Subpoblaciones + Distribución Binomial Secundaria

En un instituto el 60% del alumnado son chicas y el 40% son chicos. Practican deporte federado el 30% de las chicas y el 50% de los chicos.
a) Se elige un alumno al azar. Calcule la probabilidad de que practique deporte federado.
b) Si practica deporte federado, ¿cuál es la probabilidad de que sea chica?
c) De un grupo de 5 deportistas federados elegidos al azar, ¿probabilidad de que exactamente 3 sean chicas?
👁️ Ver Resolución Oficial Paso a Paso
1. Árbol de decisión y probabilidades iniciales
• M = "alumna chica" (0,60) ; H = "alumno chico" (0,40).
• D = "deporte federado": P(D|M) = 0,30 ; P(D|H) = 0,50.
2. Apartado a: Probabilidad Total de practicar deporte
P(D) = P(M)·P(D|M) + P(H)·P(D|H) = 0,60·0,30 + 0,40·0,50 = 0,18 + 0,20 = 0,38 (38%)
3. Apartado b: Probabilidad a posteriori (Bayes)
P(M | D) = [P(M)·P(D|M)] / P(D) = 0,18 / 0,38 = 9/19 ≈ 0,4737 (47,37%)
4. Apartado c: Binomial sobre la subpoblación de deportistas
Al restringir la muestra al universo de deportistas federados, la probabilidad de éxito (ser chica) es p = 9/19.
Sea Y = "número de chicas en muestra de 5 deportistas" ~ B(n = 5, p = 9/19):
P(Y = 3) = C(5, 3) · (9/19)³ · (10/19)² = 10 · 0,10629 · 0,2770 = 0,2944 (29,44%)
⚠️ La Trampa de la Ponencia: En el apartado c, muchos alumnos cometen el grave error de usar p = 0,60 (la proporción global del instituto) en lugar del valor condicionado p = 9/19.
Problema 10 • Intervalos Simétricos y Control Puntuación: 2,5 Puntos

Intervalos Característicos Simétricos y Re-calibración de Envasado Industrial

El volumen de llenado de envases sigue N(μ = 1.000 ml, σ = 15 ml).
a) Determine el intervalo centrado en μ que contiene exactamente el 95% de los envases producidos.
b) Si un envase con menos de 970 ml no es comercializable, ¿qué porcentaje de rechazo se genera?
c) ¿Cuál debe ser la desviación típica máxima σ' para que el porcentaje de envases rechazados sea ≤ 0,1%?
👁️ Ver Resolución Oficial Paso a Paso
1. Intervalo simétrico de confianza al 95%
Nivel de confianza 1 - α = 0,95 ⟹ α/2 = 0,025 ⟹ Φ(z) = 0,9750 ⟹ z = 1,96.
Semi-ancho: k = 1,96 · 15 = 29,4 ml.
Intervalo: [1.000 - 29,4 ; 1.000 + 29,4] = [970,6 ml ; 1.029,4 ml]
2. Porcentaje de rechazo (X < 970 ml)
P(X < 970) = P(Z < (970 - 1.000)/15) = P(Z < -2,00) = 1 - Φ(2,00) = 1 - 0,9772 = 0,0228 (2,28%)
3. Calibración técnica para rechazo ≤ 0,1%
Buscamos σ' tal que P(X < 970) ≤ 0,001:
P(Z < -30 / σ') = 0,001 ⟹ Φ(30 / σ') = 0,9990
Buscando 0,9990 en la tabla de la normal: z ≈ 3,09.
30 / σ' = 3,09 ⟹ σ' ≤ 30 / 3,09 ≈ 9,71 ml
La dispersión debe reducirse a un máximo de 9,71 ml.
⚠️ La Trampa de la Ponencia: Para intervalos bilaterales, divide siempre el error entre dos (α/2). En cambios de parámetros industriales, razona la cota máxima/mínima de σ.
Concepto ProbabilísticoFórmula CanónicaCondición ObligatoriaPenalización Típica PAU
Leyes de De MorganP(Ā ∪ B̄) = 1 - P(A ∩ B)Expresar complementariosRestar sin aplicar complementario
IndependenciaP(A ∩ B) = P(A) · P(B)P(A|B) = P(A)Confundir con sucesos disjuntos
Teorema de BayesP(Aᵢ|B) = [P(Aᵢ)·P(B|Aᵢ)] / P(B)Denominador por Prob. TotalInvertir el orden condicional
Distribución BinomialP(X=k) = C(n,k) pᵏ (1-p)ⁿ⁻ᵏEnsayos independientes, p cte.Olvidar el combinatorio C(n,k)
Tipificación NormalZ = (X - μ) / σ ~ N(0, 1)Uso de simetría en z < 0Usar la varianza σ² en lugar de σ
Moivre-Laplace + YatesY ~ N(np, √(npq)) ± 0,5np ≥ 5 y nq ≥ 5Omitir la corrección por continuidad

❓ Preguntas Frecuentes sobre Probabilidad y Distribuciones en Selectividad

📌 ¿Cuál es la diferencia entre sucesos independientes y sucesos incompatibles en la PAU?

Dos sucesos A y B son independientes cuando la ocurrencia de uno no altera la probabilidad del otro, cumpliéndose P(A ∩ B) = P(A) · P(B). En cambio, dos sucesos son incompatibles (o mutuamente excluyentes) cuando no pueden ocurrir a la vez, por lo que P(A ∩ B) = 0. Dos sucesos con probabilidades estrictamente positivas jamás pueden ser independientes e incompatibles simultáneamente.

📌 ¿Cómo se redacta el Teorema de Bayes en el examen de Selectividad de Andalucía para no perder puntos?

La Ponencia Andaluza exige definir primero con claridad cada suceso, enunciar la fórmula del Teorema de la Probabilidad Total para el denominador P(B) = ∑ P(Aᵢ) · P(B | Aᵢ) y finalmente escribir la expresión formal del Teorema de Bayes P(Aᵢ | B) = [P(Aᵢ) · P(B | Aᵢ)] / P(B) antes de sustituir los datos numéricos del diagrama de árbol.

📌 ¿Cuándo se puede aproximar una distribución Binomial por una Normal y cómo se aplica la corrección de Yates?

Por el Teorema de Moivre-Laplace, una variable Binomial X ~ B(n, p) puede aproximarse por una distribución Normal Y ~ N(μ = n·p, σ = √(n·p·q)) cuando se cumplen simultáneamente las condiciones n·p ≥ 5 y n·q ≥ 5. Al pasar de variable discreta a continua es obligatorio aplicar la corrección por continuidad de Yates de ±0,5: P(X = k) ≈ P(k - 0,5 ≤ Y ≤ k + 0,5), P(X ≥ k) ≈ P(Y ≥ k - 0,5) y P(X ≤ k) ≈ P(Y ≤ k + 0,5).

📌 ¿Cómo se consulta la tabla de la Normal Estándar N(0, 1) para valores de z negativos?

La tabla oficial de la PAU solo tabula probabilidades acumuladas Φ(z) = P(Z ≤ z) para valores positivos (z ≥ 0). Por la simetría par de la campana de Gauss respecto a z = 0, para cualquier valor negativo se aplica la identidad Φ(-z) = 1 - Φ(z). Asimismo, para colas derechas se utiliza P(Z ≥ z) = 1 - Φ(z).

🌐 Completa tu Preparación de Matemáticas II — Selectividad PAU Andalucía

Domina el 100% de los bloques oficiales de Matemáticas II con nuestras colecciones resueltas paso a paso y cuadernillos PDF imprimibles:

👨‍🏫

D. José Garcés Ávila — Director Pedagógico de Academia MJ

Ingeniero Mecánico por la Escuela de Ingenierías Industriales de la Universidad de Málaga (UMA). Especialista en didáctica avanzada de Matemáticas, Física y Química de Bachillerato y Selectividad con más de 12 años de trayectoria preparando alumnos en Santa Fe y Granada con los más altos índices de sobresalientes.

📍 Ronda de Belén, 21, Local Izquierda, 18320 Santa Fe (Granada) • aprueba@academia-santafe.es

¿Necesitas asegurar tu 10 en Matemáticas II de Selectividad?

Clases presenciales en grupos reducidos, simulacros oficiales corregidos con las plantillas de la ponencia y seguimiento individualizado.

💬 Contactar por WhatsApp
Scroll al inicio
¿Dudas con el tema? Pregúntame