Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TECNICAS DE CONTEO
Principio fundamental de conteo: Un evento se realiza de m1 maneras diferentes, un segundo
evento de realiza de m2 maneras diferentes, un tercer evento se realiza de m3 maneras
diferentes,etc
M1 * M2 * M3 …
1. PERMUTACIÓN
Es el ordenamiento de un conjunto de “m” objetos tomados todos a la vez
Si se toman “r” objetos, siendo r menor o igual a m se denomina permutación de m objetos y se
escribe Pm,r
Pm,r= (𝑚−𝑟)!
𝑚!
𝑚
𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑑𝑒𝑙 𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑎𝑙 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑟𝑒𝑝𝑒𝑡𝑖𝑑𝑜𝑠 ⋅ 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 𝑑𝑒𝑙 𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑎𝑙 𝑑𝑒 𝑙𝑜𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 sin 𝑟𝑒𝑝𝑒𝑡𝑖𝑟
2. COMBINACIÓN
Es una selección de “m” objetos tomados de a “r” sin importar el orden
𝑚!
𝐶(𝑚, 𝑟) =
𝑟! ⋅ (𝑚 − 𝑟)!
Es igual a la fórmula de coeficientes del binomio
8 8 ⋅ 7 ⋅ 6 5! 8!
( )= ⋅ =
3 1 ⋅ 2 ⋅ 3 5! 3! 5!
3. PRUEBAS ORDENADAS
Son aquellas pruebas que se toman elementos del mismo lugar ordenadamente
m*m*m*m= 𝑚𝑟
𝑚!
• Sin sustitución: No se devuelve el elemento 𝑃𝑛, 𝑟 = (𝑚−𝑟)! ES IGUAL A LA PERMUTACIÓN
PROBABILIDADES
• Es la probabilidad que suceda un evento (no significa que va a suceder)
• Se calcula la cantidad de casos favorables sobre los casos totales
• Las probabilidades se pueden sumar, la suma en total de todas las posibilidades tiene que ser uno
• La probabilidad no puede ser negativa ni mayor a uno
EVENTOS: Es un suceso que tiene probabilidad de ocurrencia y pertenece al espacio muestral (todos los
eventos posibles)
PROBABILIDAD CONDICIONAL
Es aquella que representa a un suceso que depende de varios sucesos
Al depender B de A para su intersección primero debe ocurrir A (conozco el final, quiero averiguar el
principio) ESTA FORMULA ES EL TEOREMA DE BAYES
DEPENDENCIA E INDEPENDENCIA
Para determinar si existe dependencia o independencia entre los eventos se deben considerar la
reposición de los elementos extraídos en cada ensayo
EVENTOS A B TOTAL
C P (AnC) P( BnC) P(C)
D P (AnD) P (BnD) P (D)
TOTAL P (A) P (B) 1
La suma de las probabilidades de intersección tiene que ser uno
Eventos independientes
Eventos dependientes
VARIABLES CUANTITATIVAS
VARIABLES DISCRETAS
• Función de probabilidad: P(X)
• Función de distribución: ∑𝑚𝑎𝑥
𝑥=0 𝑃(𝑋)
𝐸(𝑋) = ∑𝑀𝐴𝑋
𝑋=𝑀𝐼𝑁 𝑋 ⋅ 𝑃(𝑋)
𝑀𝐴𝑋
𝐸(𝑋 2 ) = ∑ 𝑋 𝑛 ⋅ 𝑃(𝑋)
𝑋=𝑀𝐼𝑁
[𝐸(𝑥)]2
La esperanza puede ser negativa pero no puede estar por fuera del recorrido (menor a su mínimo ni mayor
a su mayor)
PROPIEDAD DE LA ESPERANZA
Una constante por una variable queda como 𝐸(𝑎𝑥) = 𝑎 ⋅ 𝐸(𝑥) → 𝐸(6𝑥) = 6. 𝐸(𝑥)
Una suma o una resta de una variable con una constante queda como 𝐸(𝑎𝑥 +
− 𝑏) = 𝑎 ⋅
𝐸(𝑥) +
− 𝑏 → 𝐸(6𝑥 + 3) = 6. 𝐸(𝑥) + 3
X
VALORES 0 1 TOTAL
QUE TOMAN
XEY
Y 1 0.12 (0X+1Y) W=1 0.28 (1x+1y) W=2 0.4 probabilidad
de que y=1
Y 2 0.18 (0X+2Y) W=2 0.42 (1X+2Y) W=3 0.6 probabilidad
de que y=2
TOTAL 0.3 probabilidad de que x=0 0.7 probabilidad de que x=1 1
W=X+Y P(W) F(W)
1 0.12 0.12
2 0.46 0.58
3 0.42 1
HACES LO MISMO CON LA RESTA SOLO QUE EN VEZ DE SUMAR X E Y EN LA TABLA LO RESTAS Y
CALCULAS DE LA MISMA FORMA
𝐸(𝑋 + +
− 𝑌) = 𝐸(𝑋) − 𝐸 (𝑌)
VARIANZA
• Desvío estándar: Promedio de lo distanciada que esta nuestra variable con respecto al promedio
𝑀𝐴𝑋
𝑋 − 𝐸(𝑋)
∑ =
𝐶𝑇
𝑥=𝑀𝐼𝑁
• Varianza= [𝑋 − 𝐸(𝑋)]2
PROPIEDADES DE LA VARIANZA
❖ Covarianza= Valor esperado de cada desvío de una variable con cada desvío de la otra (puede
tomar números negativos) 𝐶𝑂𝑉(𝑋, 𝑌) = 𝐸(𝑋 ⋅ 𝑌) − 𝐸(𝑋) ⋅ 𝐸(𝑌)
Si la covarianza es igual a cero esto significa que las variables son independientes
Si la covarianza es distinta a cero esto significa que las variables son dependientes
EN DEPENDIENTES NI EN INDEPENDIENTES
VARIABLES CONTINUAS
Toma un recorrido de valores infinitos no numerables
Función de densidad (f (x)) = La usamos para calcular la probabilidad de cualquier valor en un
punto
Función de distribución F(x)= Suma de las probabilidades
F(x)= ∫ 𝐹 (𝑥) 𝑑𝑥
𝑚𝑎𝑥
F (máx.) = ∫𝑚𝑖𝑛 𝑓(𝑥)𝑑𝑥 = 1
Esperanza matemática
𝑀𝐴𝑋
𝐸 (𝑥) = ∫𝑀𝐼𝑁 𝑋 ⋅ 𝑓(𝑥)𝑑𝑥
Varianza
𝑀𝐴𝑋
2
𝑉(𝑋) = {(𝑋 − 𝐸(𝑋)) } = ∫ [𝑋 − 𝐸(𝑋)]2 ⋅ 𝑓(𝑥)𝑑𝑥
𝑀𝐼𝑁
DATOS IMPORTANTES
1. 𝑃(1.4 ≤ 𝑋 < 6)
= 𝑃(𝑋 ≤ 5) − 𝑃(𝑋 ≤ 1)
= F (5) - F (1)
𝑃(2≤𝑋<5 𝑛 𝑋>1,2)
2. 𝑃(2 ≤ 𝑋 < 5 ⁄ 𝑋 > 1,2) = 𝑃(𝑋>1,2)
X P(X)
1 a
2 b
E(X)=0,3
a+b=1
DISTRIBUCIONES ESPECIALES DISCRETAS
Distribuci muestra parámetros Dependiente o N recorrido
ón independiente (población)
Bernoulli 1 “P” que es la - - (0;1)
(1 solo probabilidad de 0= no sale lo
ensayo) éxito y “Q” que es que busco
la probabilidad de 1= sale lo que
fracaso busco
Binomial >1 n;p independiente ∞ De (0; n)
”
ensayos
de
Bernoul
Hiperge >1 N;n;K dependiente N Max (0; n-(N-
ométrica N= Tamaño de K)) a min (N;
población K)
K=Éxito de la
población
. n= Tamaño de la
muestra
Poisson ∞ 𝜆 independiente ∞ De (0;∞
ES EL PROMEDIO
EN UN INTERVALO
Geométr Representa la “p” - Números
ica cantidad de naturales
ensayos
Bernoulli
necesarios para
lograr el primer
éxito
Distri Función de Función de distribución esperanza varianza
probabilidad
Bern P(x)= 𝑃 𝑥 ⋅ 𝑄1−𝑥 E(X)=P V(X)=P. Q
oulli Q=1-P
Bino E(X)= n.p V(X)= n.p.q
mial 𝑛 𝑛
𝑃(𝑋) = ( ) 𝑃 𝑥 ⋅ 𝑄 𝑛−𝑥 𝑛
𝑥 𝐹(𝑋) = ∑ ( ) 𝑃 𝑥 ⋅ 𝑄 𝑛−𝑥
𝑥
𝑋=0
Hipe 𝐸(𝑋) = 𝑛 ⋅
𝐾
𝑣(𝑥) = 𝑛 ⋅
𝐾 𝑁−𝐾
⋅
rgeo 𝐾 𝑁−𝐾
(𝑋 ) ⋅ ( 𝑛 − 𝑥 ) 𝑛 𝐾 𝑁−𝐾
(𝑋 ) ⋅ ( 𝑛 − 𝑋 ) 𝑁 𝑁 𝑁
métri 𝑃(𝑋) = 𝐹(𝑋) = ∑
𝑁 𝑁 𝑁−𝑛
ca (𝑛 ) 𝑋=0 (𝑛 ) ⋅
𝑁−1
∞
Pois 𝑒 −𝜆 ⋅ 𝜆𝑥 𝑒 −𝜆 ⋅ 𝜆𝑥 𝜆 𝜆
𝑃(𝑋) = 𝑃(𝑋) = ∑
sson 𝑥! 𝑥!
𝑥=0
𝑎+𝑏
Esperanza: 𝐸(𝑋) = 2
𝑏2 +𝑎𝑏+𝑎 2 𝑏 𝑥2
𝐸(𝑋 2 ) = 𝐸(𝑋 2 ) = ∫𝑎 𝑑𝑥
3 𝑏−𝑎
Recorrido= (0; ∞ +)
3. FUNCIÓN NORMAL SIMETRICA
1 𝑥−𝜇 2
1
Función de densidad: 𝑓(𝑥) = ⋅ 𝑒 −2(𝜎
)
2𝜋𝜎
1 𝑥−𝜇 2
𝑎 1
Función de distribución: 𝐹(𝑥) = ∫−∞ ⋅ 𝑒 −2(𝜎
)
𝑑𝑥
2𝜋𝜎
𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 − 𝐸(𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒)
𝑍= 𝑑𝑒𝑠𝑣𝑖𝑜 (𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒)
IMPORTANTE
P(X<a)=0,85
𝑎−𝜇
P (Z< 𝜎 ) = PONGO EL 0,85 EN EL LADO ROSA Y AHI CALCULO DESPEJANDO
PORCENTAJES:
EL MINIMO ES PARA LA DERECHA
EL MAXIMO ES PARA LA IZQUIERDA