Análisis Combinatorios: Es la rama de la matemática que estudia los diversos arreglos o selecciones que podemos formar

con los elementos de un conjunto dado, los cuales nos permite resolver muchos problemas prácticos. Por ejemplo podemos
averiguar cuántos números diferentes de teléfonos, placas o loterías se pueden formar utilizando un conjunto dado de letras
y dígitos.

Además el estudio y comprensión del análisis combinatorio no va a servir de andamiaje para poder resolver y comprender
problemas sobre probabilidades.

Principios fundamentales del Análisis Combinatorio:

En la mayoría de los problemas de análisis combinatorio se observa que una operación o actividad aparece en forma
repetitiva y es necesario conocer las formas o maneras que se puede realizar dicha operación. Para dichos casos es útil
conocer determinadas técnicas o estrategias de conteo que facilitarán el cálculo señalado.

Modelos Probabilísticos: es la forma que pueden tomar un conjunto de datos obtenidos de muestreos de datos con
comportamiento que se supone aleatorio. Un modelo estadístico es un tipo de modelo matemático que usa la probabilidad,
y que incluye un conjunto de asunciones sobre la generación de algunos datos muestrales, de tal manera que asemejen a los
datos de una población mayor.

Las asunciones o hipótesis de un modelo estadístico describen un conjunto de distribuciones de probabilidad, que son
capaces de aproximar de manera adecuada un conjunto de datos. Las distribuciones de probabilidad inherentes de los
modelos estadísticos son lo que distinguen a los modelos de otros modelos matemáticos deterministas.

Un modelo estadístico queda especificado por un conjunto de ecuaciones que relacionan diversas variables aleatorias, y en
las que pueden aparecer otras variables no aleatorias. Como tal "un modelo es una representación formal de una teoría"1

Todos los tests de hipótesis estadísticas y todos los estimadores estadísticos proceden de modelos estadísticos. De hecho, los
modelos estadísticos son una parte fundamentalmente de la inferencia estadística.

Modelos basados en distribuciones: Pueden ser modelos probabilísticos discretos o continuos. Los primeros, en su mayoría
se basan en repeticiones de pruebas de Bernoulli. Los más utilizados son:

Modelo de Bernoulli

Modelo Binomial.

Modelo Geométrico.

Modelo Binomial negativo.

Modelo Hipergeométrico.

Modelo de Poisson.

Modelo de recuperación de independencia binaria

El modelo probabilístico como modelo de recuperación de independencia binaria fue desarrollado por Robertson y Spark
Jones. Este modelo afirma que pueden caracterizarse los documentos de una colección mediante el uso de términos de
indización. Obviamente existe un subconjunto ideal de documentos que contiene únicamente los documentos relevantes a
una necesidad de información para la cual se realiza una ponderación de los términos que componen la consulta realizada
por el usuario.
Modelos de regresión

Un modelo estadístico de regresión es una expresión simbólica en forma de igualdad o ecuación que se emplea en todos los
diseños experimentales y en la regresión para indicar los diferentes factores que modifican la variable de respuesta. El
modelo estadístico más simple es el usado en los diseños completos aleatorizados (DCA). Su modelo es:

Dónde

: Y = es la variable de respuesta de interés.

μ = promedio general de la población sobre la cual se está trabajando

t = es la variación que se atribuye a los niveles del factor que se está evaluando (efecto de los tratamientos).

ξ = es la variación de los factores no controlados (el error experimental)

i = i -ésimo tratamiento

j = j -ésima repetición de cada tratamientos

J (i) = es la variación de las unidades experimentales anidado en los tratamientos.

Los modelos estadísticos pueden ser lineales o no lineales.

Puntajes:

PUNTUACIÓN Z: Concepto de estadística. Es la puntuación típica o resultado estándar individual más utilizada. Gracias a la
puntuación z podemos comparar los resultados de un individuo (o de varios) en distintas pruebas en las que las
distribuciones de los resultados de los otros miembros de la población sean distintas. Se obtiene restando a la puntuación
que obtiene un individuo la media aritmética de una distribución, y dividiendo esta diferencia por la desviación típica.