Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA
UNIDAD I:
Calcula y aplica las medidas de tendencia central en el conjunto de datos ( no agrup
ados y agrupados ) extraídos de una población o muestra para reconocer su compo
rtamiento en situaciones reales.
Unidad II:
Calcula y aplica las medidas de dispersión o variabilidad en el conjunto de datos ( n
o agrupados y agrupados )
extraidos
de una población o muestra para reconocer su comportamiento y la comparación e
ntre ella, en situaciones reales.
Unidad III:
Aplica conceptos y leyes de la probabilidad para la toma de decisiones, cuando prev
alecen condiciones de incertidumbre, en el contexto de la resolución de problemas d
e diversas áreas del conocimiento.
UNIDAD I:
Calcula y aplica las medidas de tendencia central en el conjunto de datos ( no agrup
ados y agrupados ) extraídos de una población o muestra para reconocer su compo
rtamiento en situaciones reales.
2.1 Generalidades.
2.2 Rango.
2.3 Cuantiles.
2.4 Desviación Media .
2.5 Desviación Estándar.
2.6 Varianza.
2.7 Coeficiente de variación de Pearson.
UNIDAD III:
Aplica conceptos y leyes de la probabilidad para la toma de decisiones, cuando prev
alecen condiciones de incertidumbre, en el contexto de la resolución de problemas d
e diversas áreas del conocimiento.
3.1 Probabilidad.
3.2 Evento.
3.3 Espacio muestral.
3.4 Eventos : mutuamente excluyentes, independientes y dependientes.
3.5 Conjuntos y sus operaciones.
3.6 Axiomas del cálculo de probabilidades.
3.7 Factorial.
3.8 Combinaciones.
3.9 Permutaciones.
3.10 Curva normal.
1.1 Generalidades : Estadística moderna, el crecimiento de la
Estadística.
Chacón: “La ciencia que tiene por objeto el estudio cuantitativo de los colectivos.”
Otros la definen como la expresión cuantitativa del conocimiento dispuesta en
forma adecuada para el escrutinio y análisis.
MUESTRA: “Se llama muestra a una parte de la población a estudiar que sirve
para representarla.” Murria R. Spiegel (1991)
VARIABLES ORDINALES
* Cuando las categorías pueden ser ordenadas según algún criterio, se utiliza la
escala ordinal para medir las variables.
* La escala ordinal exige orden entre las categorías antes de indicar cualquier
medición. Ejemplo: Gravedad de las quemaduras.
* Estas variables tampoco tienen propiedades numéricas, aunque se representen
con números.
1.3 Clasificación de variables : cardinales, ordinales y nominales.
VARIABLES CARDINALES
* Posee un nivel científico mas alto, es el de la cuantificación, y a este nivel para
medir escalas asociadas, se emplean los números cardinales, con los cuales se
pueden efectuar operaciones aritméticas.
* Se clasifican en variables discretas y variables continuas.
- Si la variable puede tomar cualesquiera de los todos los valores, teóricamente
posibles, entre dos valores dados, la variable es continua. Ejemplo: Edad
- En caso de que pueda tomar solo valores enteros se dice que la variable es
discreta. Ejemplo: Hijos de familia.
• EJERCICIO 1
• EJERCICIO 2
1.4 Teoría elemental del muestreo : Inferencias proporcionales.
La teoría del muestreo es el estudio de las relaciones existente entre una población y muestras extraídas
de la misma. Permite estimar cantidades desconocidas de la población como media poblacional y varianza,
por lo regular se llama parámetros poblacionales o simplemente parámetros, Tiene gran interés en
muchos aspectos de la estadística. La teoría de muestreo es también útil para determinar si la diferencias
que se puedan observar entre dos muestras son debidas a la aleatoriedad de las mismas o si por el
contrario son solamente significativas.
En general, un estudio de inferencias, realizados sobre una población mediante muestras extraídas de la
misma, junto con las indicaciones de la exactitud de tales inferencias aplicadas a la teoría de la
probabilidad, se le conoce como inferencia estadística.
Según la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos, existen
dos técnicas de muestreo estratificado:
Asignación proporcional: el tamaño de cada estrato en la muestra es proporcional a su tamaño en la
población.
Asignación óptima: la muestra recogerá más individuos de aquellos estratos que tengan más
variabilidad. Para ello es necesario un conocimiento previo de la población.
Por ejemplo, para un estudio de opinión, puede resultar interesante estudiar por separado las opiniones
de hombres y mujeres pues se estima que, dentro de cada uno de estos grupos, puede haber cierta
homogeneidad. Así, si la población está compuesta de un 55% de mujeres y un 45% de hombres, se
tomaría una muestra que contenga también esa misma proporción.
1.5 Distribución de frecuencia : simple ( absoluta y relativa ) acumulada
( absoluta y relativa ).
Es una descripción del numero de veces es decir de las frecuencias con que se presentan las
diversas categorías mutuamente excluyentes que corresponden a una variable.
Las distribuciones de frecuencias pueden ser:
CUANTITATIVAS
* Si las variables pertenecen a variables cardinales.
CUALITATIVAS
* Si las variables pertenecen a variable nominal u ordinal.
Los gráficos son medios popularizados y a menudo los más convenientes para presentar
datos, se emplean para tener una representación visual de la totalidad de la información. Los
gráficos estadísticos presentan los datos en forma de dibujos de tal modo que se pueda
percibir fácilmente los hechos esenciales y compararlos con otros.
Requisitos para formar un gráfico:
* - Evitar distorsiones por escalas exageradas
* - Elección adecuada del tipo de gráfico
* - Sencillez y auto explicación
Características:
* - Debe tener un titulo y una explicación de que, donde y cuando se obtuvo la
información.
Tipos de gráficos:
* - Gráficos de barras
* - Grafico circular o de pastel
* - Pictograma
* - Grafico de líneas
* - Ojivas, Polígonos de frecuencia, Histograma.
1.6 Elaboración de gráficas : Histograma, Polígonos y Ojivas.
GRÁFICOS DE BARRAS
Cada categoría de la variable se representa por una barra, cuyo largo incluye la
frecuencia. Todas las barras deben ser igual de ancho y pueden estar espaciadas
si las variables son nominales u ordinales. Pueden ser:
• HORIZONTALES
• VERTICALES
• AGRUPADAS
• DIVIDIDAS O APILADAS
1.6 Elaboración de gráficas : Histograma, Polígonos y Ojivas.
PICTOGRAMA
Son una forma de representar la información mediante dibujos de los objetos que son
motivo de estudio, con un formato tal que de una idea rápida y visual, de la distribución de
frecuencias.
Son especialmente útiles para fines publicitarios por ser atractivos y de fácil comprensión.
EJEMPLO
GRÁFICA DE LINEAS
Un gráfico que usa puntos conectados por líneas para mostrar cómo cambia el valor de
algo (mientras pasa el tiempo o mientras algo más pasa).
EJEMPLO
1.6 Elaboración de gráficas : Histograma, Polígonos y Ojivas.
OJIVAS
La ojiva es un gráfico asociado a la distribución de frecuencias, es decir, que en ella se
permite ver cuantas observaciones se encuentran por encima o debajo de ciertos valores, en
lugar de solo exhibir los números asignados a cada intervalo.
La ojiva apropiada para información que presente frecuencias mayores que el dato que se
esta comparando tendrá una pendiente negativa y en cambio la que se asigna a valores
menores, tendrá una pendiente positiva.
POLÍGONO DE FRECUENCIAS
Un polígono de frecuencias se forma uniendo los extremos de las barras de un diagrama de
barras mediante segmentos. También se puede realizar trazando los puntos que representan
las frecuencias y uniéndolos mediante segmentos.
HISTOGRAMA DE FRECUENCIAS
Un histograma es una representación gráfica de una variable en forma de barras, donde la
superficie de cada barra es proporcional a la frecuencia de los valores representados. En el
eje vertical se representan las frecuencias, y en el eje horizontal los valores de las variables.
1.7 Medidas de tendencia central : conceptos generales.
a) Media aritmética
b) Mediana
c) Moda
d) Media ponderada
e) Media geométrica
f) Media armónica
Media aritmética
Es el valor obtenido sumando todas las observaciones y dividiendo del total por el número de
observaciones que hay en un grupo.
Se obtiene sumando todos los datos y dividiéndolo por el número de ellos.
Ejemplo:
*usando el mismo modelo de automóvil, 5 conductores promediaron 9.95, 10.20, 9.57, 9.93 y 9.65 KM/L
de gasolina. Calcular el promedio de los conductores
R: 9.86
*El boletaje pagado para asistir a los juegos de futbol en una universidad fue de: 12305, 10984, 6850,
11733 y 10964.
R: 10567.2
*En 5 pruebas de biología un estudiante obtuvo calificación de: 46, 61, 74, 79 y 88.
R: 69.6
PARA DATOS AGRUPADOS:
La media aritmética de una muestra de datos organizados en una distribución de frecuencias se calcula:
Σ: sumatoria
Ƒ: frecuencia
n: número total de datos
x: marca de case
Media aritmética
Propiedades de la media aritmética:
* *puede ser calculada en distribuciones con escala relativa.
* *todos los valores son incluidos en el cómputo de la media.
* *una serie de datos solo tiene una media
* *es una medida muy útil para comparar dos o más poblaciones.
EJEMPLO:
Planteamiento Solución
EJERCICIOS:
EJEMPLO:
EJERCICIOS:
Planteamiento ejercicio 1 Solución ejercicio 1
EJEMPLO:
El contenido de cinco botellas de perfume seleccionadas de forma aleatoria de la línea de
producción son en (ml): 85.4, 85.3, 84.9, 85.4 y 80. ¿Cuál es la moda de las observaciones?
R= 85.4
Moda
EJEMPLO:
Planteamiento Solución
EJERCICIOS:
Planteamiento ejercicio 1 Solución ejercicio 1
En algunos casos cada una de las observaciones tiene una importancia relativa
(peso) respecto a los demás elementos.
Esta medida se llama media aritmética ponderada. Se utiliza la media ponderada
cuando no todos los elementos componentes de los que se pretende obtener la
media tiene la misma importancia
EJEMPLO:
Planteamiento Solución
EJERCICIOS:
Obsérvese que la inversa de la media armónica es la media aritmética de los inversos de los valores
de la variable. No es aconsejable en distribuciones de variables con valores pequeños. Se suele utilizar
para promediar variables tales como productividades, velocidades, tiempos, rendimientos, cambios, etc.
Ventajas e inconvenientes:
- En su cálculo intervienen todos los valores de la distribución.
- Su cálculo no tiene sentido cuando algún valor de la variable toma valor cero.
- Es única.
1.9 Cálculo de datos individuales y agrupados.
Nota :
A fin de conocer los intervalos de los cuales quedan representados proporcionalmente los
términos de una distribución, se divide la distribución de frecuencias.
Se la distribución se divide en 4 partes iguales, cada uno contiene igual número de de
observaciones y se llama «cuartiles» el primer cuartil corresponde al 25% y se designa por
Q1 el segundo cuartil corresponde al 50% y corresponde a la mediana, el tercer cuartil
representa el 75%.
Si la distribución se divide en 10 partes iguales representa un «decil» en donde el primer
decil es el valor del 10% el segundo el 20% y así sucesivamente. Se representa por la letra D
Finalmente si los valores que dividen los datos lo hacen en 100 partes iguales se llama
«percentil». Se representa como P
EJEMPLO:
Planteamiento Solución
EJERCICIOS:
Planteamiento ejercicio 1 Solución ejercicio 1
* Planteamiento solución
2.1 Generalidades.
Al grado en que los datos numéricos tienden a extenderse alrededor de un valor medios se llama variación
o dispersión de datos.
Las medidas de dispersión más empleadas son:
*rango
*desviación media
*rango semiintercuartílico
*rango entre percentiles 10-90
*desviación típica.
Las medidas de dispersión también son conocidas como medidas de variabilidad, muestran la variabilidad
de una distribución, indicando por medio un número, si las diferentes puntuaciones de una variable están
muy alejadas de la media. Cuanto mayor sea ese valor, mayor será la variabilidad, cuanto menor sea, más
homogénea será la media.
En estadística descriptiva se denomina rango estadístico (R) o recorrido estadístico al intervalo de menor tamaño que
contiene a los datos; es calculable mediante la resta del valor mínimo al valor máximo; por ello, comparte unidades con los
datos. Permite obtener una idea de la dispersión de los datos.
Por ejemplo, para una serie de datos de carácter cuantitativo como es la estatura tal y como:
x1 = 185,x2 = 165,x3 = 170,x4 = 182,x5 = 155 es posible ordenar los datos como sigue:
x(1) = 155,x(2) = 165,x(3) = 170,x(4) = 182,x(5) = 185 donde la notación x(i) indica que se trata del elemento i-ésimo de la serie
de datos. De este modo, el rango sería la diferencia entre el valor máximo ( k) y el mínimo; o, lo que es lo mismo:
R = x(k) − x(1) En nuestro ejemplo, con cinco valores, nos da que R = 185-155 = 30.
Algo que responde a la identificación de la dispersión de los datos de una muestra es el rango, el cual se define como la
diferencia entre el dato mayor menos el dato menor de un conjunto de datos. Su obtención es sumamente sencilla, sin
embargo se considera que no es una medida muy significativa, su aplicación es más útil en la llamada estadística no
parámetrica. Una expresión para el rango puede ser vista como:
Podemos retomar el ejemplo planteado en el se observaba que las muestras tienen diferente dispersión, aunque su media y
mediana eran iguales, por lo que una forma de marcar su diferencia es a través del rango.
Para la primera muestra (0, 45, 50, 55, 100), el dato menor es 0 y el dato mayor es 100, por lo que sus valores se
encuentran en un rango de:
Rango = 100 – 0 =100
Mientras que para la segunda muestra (47, 49.5, 50, 51.5, 52), el dato menor es 47 y el dato mayor es igual a 52 por lo que
su rango correspondiente es igual a:
Rango = 52 – 47= 5
Lo que indica que la segunda muestra es más homogénea ya que sus datos están dispersos en un menor rango.
Es también común identificar el rango como recorrido.
2.3 Cuantiles.
Sabemos que la mediana divide a los datos en dos partes iguales, también
tienen interés estudiar otros parámetros, llamados cuantiles, que dividen
los datos de la distribución en función de otras cantidades.
DECILES : Son nueve valores que dividen la serie de datos en diez partes
iguales ( D1, D2, D3, D4……. D9 )
Q1 Q2 Q3
K1 K2 K3 K4
D1 D2 D3 D4 D5 D6 D7 D8 D9
P1 P10 P20 P30 P40 P50 P60 P70 P80 P90 P99
M
2.4 Desviación Media ( datos no agrupados )
Puede definirse como la media aritmética, de las desviaciones de cada uno de los
valores con respecto a la media aritmética de la distribución, y se indica así:
DM: desviación media.
DM= x: datos numéricos.
:media aritmética.
N: número total de datos.
EJEMPLO
Planteamiento Solución
EJERCICIO:
EJEMPLO:
Planteamiento Solución
EJERCICIOS:
Planteamiento ejercicio 1 Solución ejercicio 1
Es la medida de dispersión más importante, ya que además sirve como medida previa al
cálculo de otros valores estadísticos.
La desviación típica se define como la raíz cuadrada de la media de los cuadrados de las
desviaciones con respecto a la medida de distribución. Se simboliza con un «S»
Desviación estándar para datos no agrupados : ( = a √ )
Desviación típica para datos agrupados:
S= s= desviación típica
F: frecuencia
x: Marca de clase
EJERCICIO:
Planteamiento ejercicio 1 Solución ejercicio 1
2.6 Varianza.
http://www.vitutor.com/estadistica/descriptiva/a_15.html
Para simplificar el cálculo de la varianza vamos o utilizar las siguientes expresiones que son
equivalentes a las anteriores.
Varianza para datos agrupados
Ejercicios de varianza
Calcular la varianza de la distribución:
9, 3, 8, 8, 9, 8, 9, 18
2.6 Varianza.
X ni
2 2
3 2
5 1
6 3
N= 8
3.1 Probabilidad.
http://es.scribd.com/doc/52812712/29/CONJUNTOS-Y-SUS-OPERACIONES
CONJUNTOS Y SUS OPERACIONES
El estudio de la Probabilidad se simplifica utilizando la Teoría de Conjuntos, por lo tanto,
analizaremos algunas ideas básicas de esta teoría. La Teoría de Conjuntos fue desarrollada
por Georg Cantor entre 1874 y 1895, es un instrumento básico que se utiliza en las distintas
ramas de la Matemática, como en la Teoría de Probabilidad, el Cálculo Infinitesimal,
Geometría, etc. Un Conjunto es un grupo de objetos dentro de un todo definido y bien
diferenciado; por ejemplo:* Un grupo de estudiantes de la materia de Biología.* Un juego de
cartas.* Las cuentas de un collar
A continuación definiremos algunas de las operaciones y símbolos que se utilizan en la Teoría
de Conjuntos. A los conjuntos los representamos con mayúsculas y a sus elementos con
minúsculas.*
Conjunto Universo o Universal
( U ):Es el conjunto que contiene a todos los elementos.*
Conjunto Vacío():Es un conjunto que no contiene a ningúnelemento.*
Pertenencia():Indica que un elemento pertenece a un conjunto.*
No Pertenencia():Indica que un elemento no pertenece a un conjunto determinado.*
Subconjunto():Se dice que un conjunto A es subconjunto de B, cuando todos los elementos
de A pertenecen a B.
3.5 Conjuntos y sus operaciones.
NOTACIÓN:
A los conjuntos se les representa con las letras mayúsculas A,B,C y a los elementos con letras
minúsculas a,b,c….
En base a la cantidad de elementos que tengan un conjunto, estos se pueden clasificar en
conjuntos finitos e infinitos.
Finitos: tienen un número conocido de elementos, es decir, se encuentran determinados por
su longitud o cantidad. El conjunto de días de la semana.
Infinitos: son aquellos con los cuales no podemos determinar su longitud. El conjunto de los
números reales.
3.5 Conjuntos y sus operaciones.
UNIÓN DE CONJUNTOS: sea A y B dos subconjuntos cualesquiera del conjunto universal: la unión de A
y B, es el conjunto de todos los elementos que perteneces a A o pertenecen a B.
* AUB= {x|XEA o XEB}
* A={1, 2, 3, 4, 5}
* B={1, 2, 6, 7}
* AUB= [1, 2, 3, 4, 5, 6, 7]
* A{1, 3, 5, 7}
* B{1, 7, 8, 9}
* A-B= {3, 5} todos los elementos que no están en B
* B-A { 8, 9} todos los elementos que no están en A
3.5 Conjuntos y sus operaciones.
EJERCICIOS:
AXIOMAS:
Un axioma es el elemento básico de un sistema de lógica formal y junto con las reglas de
inferencia definen un sistema deductivo.
Primer axioma:
La probabilidad de un suceso A es un numero real entre 0 y 1.
Segundo axioma:
Un suceso de la muestra de todos los sucesos o espacio muestral ocurre con probabilidad 1.
Es decir la probabilidad del espacio muestral es igual a 1
Tercer axioma:
Si A1, A2… son sucesos mutuamente excluyentes (incompatibles dos a dos, disjuntos o de
intersección vacía dos a dos), entonces:
Según este axioma se puede calcular la probabilidad de un suceso compuesto de varias
alternativas mutuamente excluyentes sumando las probabilidades de sus componentes.
Ejemplo
Lanzar un dado, y calcular la probabilidad del evento sale un numero cualesquiera.
3.7 Factorial.
Digamos que tenemos cinco sabores de helado: banana, chocolate, limón, fresa y
vainilla. Puedes tomar 3 paladas. ¿Cuántas variaciones hay?
Vamos a usar letras para los sabores: {b, c, l, f, v}. Algunos ejemplos son
• {c, c, c} (3 de chocolate)
• {b, l, v} (uno de banana, uno de limón y uno de vainilla)
• {b, v, v} (uno de banana, dos de vainilla)
(Y para dejarlo claro: hay n=5 cosas para elegir, y eliges r=3 de ellas.
El orden no importa, ¡y sí puedes repetir!)
3.8 Combinaciones.
( Con repetición )
Bien, no puedo decirte directamente cómo se calcula, pero te voy a enseñar una
técnica especial para que lo averigües tú mismo.
OK, entonces ya no nos tenemos que preocupar por diferentes sabores, ahora
tenemos un problema más simple para resolver: "de cuántas maneras puedes
ordenar flechas y círculos"
Fíjate en que siempre hay 3 círculos (3 paladas de helado) y 4 flechas (tenemos
que movernos 4 veces para ir del contenedor 1º al 5º).
Así que (en general) hay r + (n-1) posiciones, y queremos que r de ellas tengan
círculos.
Esto es como decir "tenemos r + (n-1) bolas de billar y queremos elegir r de ellas".
Es decir, es como el problema de elegir bolas de billar, pero con números un poco
distintos. Lo podrías escribir así:
Así funciona la lotería. Los números se eligen de uno en uno, y si tienes los números de la suerte
(da igual el orden) ¡entonces has ganado!
La manera más fácil de explicarlo es:
• imaginemos que el orden sí importa (permutaciones),
• después lo cambiamos para que el orden no importe.
Volviendo a las bolas de billar, digamos que queremos saber qué 3 bolas se eligieron, no el
orden.
Ya sabemos que 3 de 16 dan 3360 permutaciones.
Pero muchas de ellas son iguales para nosotros, porque no nos importa el orden.
Por ejemplo, digamos que se tomaron las bolas 1, 2 y 3. Las posibilidades son:
El orden importa El orden no importa
*1 2 3
*1 3 2
*2 1 3 123
*2 3 1
*3 1 2
*3 2 1
* Así que las permutaciones son 6 veces más posibilidades.
3.8 Combinaciones.
( Sin repetición )
De hecho hay una manera fácil de saber de cuántas maneras "1 2 3" se pueden
ordenar, y ya la sabemos. La respuesta es:
3! = 3 × 2 × 1 = 6
(Otro ejemplo: 4 cosas se pueden ordenar de 4! = 4 × 3 × 2 × 1 = 24 maneras
distintas, ¡prueba tú mismo!)
Así que sólo tenemos que ajustar nuestra fórmula de permutaciones para reducir
por las maneras de ordenar los objetos elegidos (porque no nos interesa
ordenarlos):
Notación
Además de los "grandes paréntesis", la gente también usa estas notaciones:
Ejemplo
Entonces, nuestro ejemplo de bolas de billar (ahora sin orden) es:
16! = 16! = 20,922,789,888,000 = 560
3!(16-3)! 3!×13! 6×6,227,020,800
O lo puedes hacer así:
16×15×14 = 3360 = 560
3×2×1 6
3.8 Combinaciones.
( Sin repetición )
Así que recuerda, haz las permutaciones, después reduce entre "r!"
... o mejor todavía...
¡Recuerda la fórmula!
Es interesante darse cuenta de que la fórmula es bonita y simétrica:
Con otras palabras, elegir 3 bolas de 16 da las mismas combinaciones que elegir
13 bolas de 16.
16! = 16! = 16! = 560
3!(16-3)! 13!(16-13)! 3!×13!
3.9 Permutaciones.
Son las más fáciles de calcular. Si tienes n cosas para elegir y eliges r de ellas, las
permutaciones posibles son:
n × n × ... (r veces) = nr
(Porque hay n posibilidades para la primera elección, DESPUÉS hay n posibilidades
para la segunda elección, y así.)
Por ejemplo en la cerradura de arriba, hay 10 números para elegir (0,1,...,9) y
eliges 3 de ellos:
10 × 10 × ... (3 veces) = 103 = 1000 permutaciones
Así que la fórmula es simplemente:
nr
donde n es el número de cosas que puedes elegir, y eliges r de ellas
(Se puede repetir, el orden importa)
3.9 Permutaciones.
( Sin repetición )
Así que tu primera elección tiene 16 posibilidades, y tu siguiente elección tiene 15 posibilidades,
después 14, 13, etc. Y el total de permutaciones sería:
16 × 15 × 14 × 13 ... = 20,922,789,888,000
Pero a lo mejor no quieres elegirlas todas, sólo 3 de ellas, así que sería solamente:
16 × 15 × 14 = 3360
Es decir, hay 3,360 maneras diferentes de elegir 3 bolas de billar de entre 16.
¿Pero cómo lo escribimos matemáticamente? Respuesta: usamos la "función factorial"
La función factorial (símbolo: !) significa que se multiplican números descendentes.
Ejemplos:
• 4! = 4 × 3 × 2 × 1 = 24
• 7! = 7 × 6 × 5 × 4 × 3 × 2 × 1 = 5040
• 1! = 1
3.9 Permutaciones.
( Sin repetición )
Así que si quieres elegir todas las bolas de billar las permutaciones serían:
16! = 20,922,789,888,000
Pero si sólo quieres elegir 3, tienes que dejar de multiplicar después de 14. ¿Cómo
lo escribimos? Hay un buen truco... dividimos entre 13!...
16 × 15 × 14 × 13 × 12 ... = 16 × 15 × 14 = 3360
13 × 12 ...
¿Lo ves? 16! / 13! = 16 × 15 × 14
La fórmula se escribe:
COMBINACIONES VS PERMUTACIONES
( Con repetición ) ( Con repetición )
(n+r-1)!
C ( n, r ) = P ( n, r ) = n^r
r !( n - 1 ) !
COMBINACIONES VS PERMUTACIONES
( Sin repetición ) ( Sin repetición )
n! n!
C ( n, r ) = P ( n, r ) =
( n - r ) !r ! (n-r)!
3.10 Curva normal.
La curva normal puede utilizarse para describir distribuciones de puntajes, para interpretar la desviación
estándar y para hacer un informe de probabilidades. Veremos que la curva normal es un ingrediente
esencial en la toma de decisiones en estadística, por medio de la cual el investigador social generaliza sus
resultados de muestras a poblaciones.