ANALISIS COMBINATORIO S4 e = 2.

7182
Metodos de conteo
m= población n=muestra
VARIACIÓN ORDINARIA PERMUTACIÓN COMBINACIÓN
SI importa el orden SI importa el orden NO importa el orden
NO se considera todos los elementos SI se considera todos los elementos NO se considera todos los elementos
NO se repiten NO se repiten NO se repiten
𝑚! 𝑃 = 𝑛! 𝑚!
𝑉 = 𝐶 =
𝑚−𝑛 ! 𝑛! 𝑚 − 𝑛 !
PERMUTACIÓN CIRCULARES
𝑃𝐶 = 𝑃 = 𝑛−1 !
VARIACIÓN ORDINARIA
SI importa el orden PERMUTACIÓN CON REPETICIÓN
NO se considera todos los elementos SI importa el orden
SI se repiten SI se considera todos los elementos
SI se repiten
𝑉𝑅 = 𝑚 , , … 𝑃
𝑃𝑅 =
𝑎! 𝑏! 𝑐! …
TEORIA DE PROBABILIDADES S5
INDEPENDENCIA ESTADÍSTICA TEOREMA DE BAYES
𝐴 ¿Ques se busca?
𝑃 = 𝑃(𝐴) obs: en una urna al sacar una primera ¿Qué condiciones tenemos?
𝐵
bola esta el TODO para la segunda al Ejem: Enfermo Sano
INDEPENDENCIA ESTADÍSTICA TODO se le resta -1 para seguir con Positivo - enfermo
una segunda bola Positivo - sano
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔 𝑒𝑛𝑓𝑒𝑟𝑚𝑜
𝑃(𝐴) = 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑃 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 ∗ 𝑃(𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜)
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔 𝑃 =
𝑒𝑛𝑓𝑒𝑟𝑚𝑜 𝑒𝑛𝑓𝑒𝑟𝑚𝑜 𝑠𝑎𝑛𝑜
𝑃 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 ∗ 𝑃 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 + 𝑃 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 ∗ 𝑃(𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜)

DISTRIBUCIÓN DISCRETA S6
BINOMIAL SIN TABLA - PUNTUAL
Dos posibles resultados Éxito - Fracaso MEDIA
𝑛!
𝐶 ∗𝑝 ∗𝑞 𝑠𝑖 𝑥 = 1,2,3, . . 𝐶 𝑝 𝑞 = ∗𝑝 𝑞 𝐸 𝑥 =𝑛∗𝑝
𝑓 𝑥 =𝑃 𝑋=𝑥 = 𝑘! 𝑛 − 𝑘 !
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑙𝑢𝑔𝑎𝑟
VARIANZA DE UNA BONIMIAL
x = Numero de exitos CON TABLA V 𝑥 =𝑛∗𝑝∗𝑞
n= Numero de ensayos Ubicar n
p= Probabilidad de éxito Ubicar x P(x,n,p) DESVIACIÓN ESTÁNDAR
q= Probabilidad de fracaso La probabilidad p
𝜎 = 𝑛∗𝑝∗𝑞

MULTINOMIAL
Pueden haber multiples resultados, varios casos
𝑛!
𝑃 𝑋 = 𝑥1 = 𝑥2 = 𝑥3 … = 𝑝1 ∗ 𝑝2 ∗ 𝑝3 …
𝑥1! 𝑥2! 𝑥3! …

Caso 1 prob1 p1 cant 1 x1 n=??

Caso 2 prob2 p2 cant 2 x2
Caso 3 prob3 p3 cant 3 x3
Caso 4 prob4 p4 cant 4 x4

DISTRIBUCIÓN HIPERGEOMÉTRICA
con parametros K, n, N
Muestreo sin reemplazo de una población dicotómica (éxito/fracaso)
𝑵𝟏 𝑵𝟐
∗ MEDIA
𝑃 𝑋=𝑥 = 𝑲 𝒏−𝑲
𝑵 𝐸 𝑥 =𝑛∗𝑝
𝒏
𝑵𝟏 𝑁!
= VARIANZA
𝑲 𝐾! 𝑁1 − 𝐾 !
VAR 𝑥 = 𝑛 ∗ 𝑝 ∗ 𝑞
𝑵𝟐 𝑁!
=
𝒏−𝑲 (𝑛 − 𝐾)! 𝑁2 − (𝑛 − 𝐾) ! DESVIACIÓN ESTÁNDAR
𝑵 𝑁!
= 𝑁−𝑛
𝒏 𝑛! 𝑁 − 𝑛 ! 𝜎= 𝑉𝐴𝑅(𝑥)
𝜎= 𝑛∗𝑝∗𝑞
𝑁−1
N= total K= la probabilidad que se calcula
N1=Una parte n=número de ensayos
N2= la otra parte

DISTRIBUCIÓN MULTIHIPERGEOMÉTRICA MEDIA

Urna con bolas de diferentes comunes 𝐸 𝑥 =𝜆
𝑁1 𝑁1 𝑁1
∗ ∗ …
𝑃 𝑋1 = 𝑥1 = 𝑥2 = 𝑥3 … = 𝑥1 𝑥2 𝑥3 VARIANZA
𝑁
Donde: 𝑛 VAR 𝑥 = 𝜆
𝑁! 𝑁! 𝑁!
∗
𝑥 ! (𝑁 − 𝑥 )! 𝑥 ! (𝑁 − 𝑥 )! 𝑥 ! (𝑁 − 𝑥 )! DESVIACIÓN ESTÁNDAR
𝑃 𝑋 =
𝑁!
𝑛! 𝑁 − 𝑛 ! 𝜎= 𝜆
DISTRIBUCIÓN DE POISSON
numero de pruebas muy alto ojo: aplicar a boniomiales n>=50 p=<0.1
probabilidad de éxito muy bajo y en el intervalo 10=<n*p<=100

Función de cuantía
𝑒 ∗𝜆 Luego buscar en la tabla de Poisson
𝑓 𝑥 =𝑃 𝑋=𝑥 = 𝑥! si x = 1,2,3, …
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
SEMANA 1 SIN INTERVALOS CUALITATIVA NOMINAL
POBLACIÓN:
MUESTRA: Variable: Unidad estadística: Variable: Unidad estadística:
UNIDAD ESTADÍSTICA: Xi fi hi hi% Fi Hi Hi% Xi fi hi hi%
VARIABLE:
TIPO DE VARIABLE: CON INTERVALOS
Variable: Unidad estadística:
Li Ls Xi fi hi hi% Fi Hi Hi%

MARCA DE CLASE PARA HALLAR INTERVALOS

𝐿𝑖 − 𝐿𝑠
𝑥𝑖 = 𝑅𝑎𝑛𝑔𝑜 = 𝑀𝑎𝑥 − 𝑀𝑖𝑛
2
𝐾 = 𝑙𝑜𝑔 𝑛 ∗ 3.3 + 1
𝑅𝑎𝑛𝑔𝑜 𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 − 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐𝑢𝑎𝑛𝑡𝑖𝑡𝑎𝑡𝑖𝑣𝑎 𝒄𝒐𝒏𝒕𝒊𝒏𝒖𝒂 = 𝐿𝑠 − 𝐿𝑖
𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 =
𝐾 𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑 − 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐𝑢𝑎𝑛𝑡𝑖𝑡𝑎𝑡𝑖𝑣𝑎 𝒅𝒊𝒔𝒄𝒓𝒆𝒕𝒂 = 𝐿𝑠 − 𝐿𝑖 + 1
SEMANA 2
MEDIA ARITMÉTICA MEDIANA MODA

Para datos SIN AGRUPAR Si n es IMPAR Dato que mas se repite

𝑥𝑛 + 1 Para datos AGRUPADOS SIN INTERVALOS
∑ 𝑥𝑖 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 𝑀𝑒 =
𝑋= 𝑋= 𝑛
𝑛 𝑛 𝑑𝑎𝑡𝑜𝑠 𝑀𝑎𝑥 = 𝑓𝑖
𝑀𝑜 = 𝑑𝑎𝑡𝑜 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒
Para datos AGRUPADOS Si n es PAR
𝑥𝑛 𝑥𝑛 Para datos AGRUPADOS CON INTERVALOS
+ 2 +1
USANDO FRECUENCIAS ∑ 𝑥𝑖 ∗ 𝑓𝑖 𝑀𝑒 = 2
ABSOLUTAS 𝑋= 𝑛 Ubicar la máxima fj o frecuencia
𝑛 Aplicar la formula:
USANDO FRECUENCIAS Para VARIABLE CUALITATIVA ORDINAL 𝑓 −𝑓
RELATIVAS 𝑋= 𝑥𝑖 ∗ ℎ𝑖 𝑀𝑜 = 𝐿𝑅𝐼 + 𝐴
𝑛 𝑓 −𝑓 + (𝑓 −𝑓 )
Se encuentra en el lugar
MEDIA TOTAL DE DOS MUESTRAS 2
Cuando coincide el con 𝑛una frecuencia acumulada
∑ 𝑛𝑖 ∗ 𝑥̅ coger el siguiente 2
𝑋𝑇 =
𝑛
𝑋𝑗 − 1 + 𝑋𝑗
𝑀𝑒 =
2
Para DATOS AGRUPADOS CON INTERVALOS
𝑛
−𝐹
𝑀𝑒 = 𝐿𝑅𝐼 + 𝐴 2
𝑓

CUARTILES SEMANA 3 DECILES CALCULO DE PORCENTAJE DE VALORES

𝐾 𝑛
Para datos NO AGRUPADOS 𝑝𝑜𝑠 = 𝐾 = 1,2,3 … .9
10 𝑃= 𝐹 + *
𝐾 𝑛+1 𝑝𝑜𝑠 − 𝐹
Posición 𝑝𝑜𝑠 = 𝐾 = 1,2,3 𝐷 = 𝐿𝑅𝐼 + 𝐴
4 𝑓

𝐾 𝑋 −𝑋 PERCENTILES
𝑄 =𝑋 + Cuando piden cualquier otro cuantil
4
𝐾 𝑛 RANGO INTERCUARTIL
𝑋𝑝𝑠 = 𝑃𝑜𝑠𝑖𝑐𝑖ó𝑛 𝑠𝑢𝑝𝑒𝑟𝑖𝑜𝑟 𝑝𝑜𝑠 = 𝐾 = 1,2,3 … .99
100 𝑅𝐼𝐶 = 𝑇𝑒𝑟𝑐𝑒𝑟 𝑐𝑢𝑎𝑟𝑡𝑖𝑙 − 𝑃𝑟𝑖𝑚𝑒𝑟 𝑐𝑢𝑎𝑟𝑡𝑖𝑙
𝑋𝑝𝑖 = 𝑃𝑜𝑠𝑖𝑐𝑖ó𝑛 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑝𝑜𝑠 − 𝐹
𝑃 = 𝐿𝑅𝐼 + 𝐴
𝑓
Para datos AGRUPADOS
𝑝𝑜𝑠 − 𝐹
𝑄 = 𝐿𝑅𝐼 + 𝐴
𝑓
RANGO Usando frecuencias relativas MEDIDAS DE FORMA
𝑅 = 𝑉𝑎𝑙 𝑚𝑎𝑥 − 𝑉𝑎𝑙 𝑚𝑖𝑛 Asimetria o sesgo
Es simetrica si Media x = Mo = Me
VARIANZA 𝑆 = ℎ𝑖 ∗ 𝑥 − ℎ𝑖 ∗ 𝑥𝑖 A mas diferencia entre media y moda mas asimetria
exite en la distribucion
Para datos NO AGRUPADOS COEFICIENTE DE KARL PEARSON
VARIANZA TOTAL GLOBAL
1 ∑ 𝑥𝑖 𝑥̅ − 𝑀𝑜
𝑉𝑥 = 𝑥𝑖 − 𝑛 ∑ 𝑛𝑖(𝑥̅ + 𝑆𝑖 ) ∑ 𝑛𝑖 ∗ 𝑥𝑖 𝑆𝐾 =
𝑛−1 𝑛 𝑆 = − 𝑆
𝑛 𝑛
Para datos AGRUPADOS Media > Moda SK > 0 ASIMETRÍA POSITIVA
n < 30 DESVIACIÓN ESTANDAR O TÍPICA Media < Moda SK < 0 ASIMETRÍA NEGATIVA
Media = Moda SK = 0 DIST. SIMÉTRICA
1 ∑ 𝑓𝑖 ∗ 𝑥𝑖 𝑆= 𝑉(𝑥)
𝑆 = 𝑓𝑖 ∗ 𝑥 − 𝑛 COEFICIENTE DE CURTOSIS
𝑛−1 𝑛
COEFICIENTE DE VARIACIÓN
n > = 30 𝑥𝑖 − 𝑥̅
∑ 𝑓𝑖
𝑆 𝐴 = 𝑛
𝐶𝑉 = ∗ 100 𝑆
Usando frecuencias absolutas 𝑥̅
𝐴 − 3 = 0 −−−−−−−− − 𝑴𝑬𝑺𝑶𝑪Ú𝑹𝑻𝑰𝑪𝑨
∑ 𝑓𝑖 ∗ 𝑥 ∑ 𝑓𝑖 ∗ 𝑥𝑖 𝐴 − 3 = 0 −−−−−−−− − 𝑳𝑬𝑷𝑻𝑶𝑪Ú𝑹𝑻𝑰𝑪𝑨
𝑆 = −
𝑛 𝑛 𝐴 − 3 = 0 −−−−−−−− − 𝑷𝑳𝑨𝑻𝑰𝑪Ú𝑹𝑻𝑰𝑪𝑨