Professional Documents
Culture Documents
Prólogo
Justificación
Índice
1. ESTADÍSTICA DESCRIPTIVA 1
1.1. Distribuciones de frecuencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Tipos de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Variable cualitativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.2. Variable cuantitativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.3. Variable discreta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.4. Análisis de distribuciones unidimensionales . . . . . . . . . . . . . . . . 4
1.3. Reglas generales para distribuciones de frecuencia . . . . . . . . . . . . . . . . 5
1.4. Gráficos estadísticos. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.1. Histogramas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.2. Diagrama circular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.3. Diagramas de árbol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4.4. Polígono . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
i
ÍNDICE ÍNDICE
2.3. Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.1. Moda para datos sin agrupar u originales . . . . . . . . . . . . . . . . . 23
2.3.2. Moda para datos agrupados . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.3. Otras medidas de tendencia central. . . . . . . . . . . . . . . . . . . . 24
2.3.4. Cuartiles, deciles y percentiles. . . . . . . . . . . . . . . . . . . . . . . . 24
2.4. Medidas de dispersión o de variabilidad . . . . . . . . . . . . . . . . . . . . . . 26
2.4.1. Rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4.2. Varianza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4.3. Desviación típica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4.4. Coeficiente de variación de Pearson: (CV ) . . . . . . . . . . . . . . . . 28
Referencias 35
1. ESTADÍSTICA DESCRIPTIVA
Introducción
? Una definición que describe la estadística de manera utilitaria es la que dice que es:
“un conjunto de técnicas para describir grupos de datos y para tomar decisiones en
ausencia de una información completa”.
En este orden de ideas, veremos por ejemplo, que en una colección de datos en los que nos
interesen las características de un grupo de individuos u objetos, es a menudo imposible o poco
práctico observar la totalidad de los individuos, sobre todo si éstos son muchos. En lugar de
examinar al grupo entero llamado población o universo, se examina una pequeña parte del
grupo llamada muestra. Así, podemos tener la colección de datos tales como las alturas y pesos
de los estudiantes de un colegio en un año escolar o el número de cerrojos defectuosos y no
defectuosos producidos por una fábrica en una producción determinada.
Una población puede ser finita o infinita. Por ejemplo, la población, consistente de alturas y
pesos de alumnos de un colegio en un año escolar es finita, mientras que la población formada
por todos los posibles sucesos (caras o sellos) en tiradas sucesivas de una moneda es infinita. Si
una muestra es representativa de una población, se pueden deducir importantes conclusiones
acerca de ésta, a partir del análisis de la misma.
La estadística, está dividida en dos grandes ramas:
? La parte de la estadística que trata de las condiciones bajo las cuales tales inferencias son
válidas se llama estadística inductiva o estadística inferencial.
? La parte de la estadística que trata solamente de describir y analizar un grupo dado sin
sacar conclusiones o inferencias de un grupo mayor se llama estadística descriptiva o
estadística deductiva. Esta parte de la estadística es en gran medida el estudio de este
trabajo.
El tipo de variable es importante: afecta a lo que podemos hacer con ella, al tipo de análisis
que podemos hacer; los métodos estadísticos que usamos dependen del tipo de variable
3. Las categorías son valores diferentes por una cualidad, no por una cantidad
4. Ningún “valor” se puede decir que sea mayor o menor que otro
Ejemplos: partido político al que votó; región en que vive; sexo; estado civil; marca de coche
que conduce... 3.
Podemos distinguir dos tipos:
1. Cada valor posible es menor o mayor que otro valor; por tanto se pueden realizar
operaciones aritméticas con ella.
Las variables continuas son aquellas que admiten valores fraccionarios, pudiéndose establecer
intervalos. Ejemplo: la estatura de una persona que mide un metro con setenta centímetros; que
pesa sesenta kilos, una libra y cuatro onza, etc.
es decir, se suman las frecuencias anteriores a un valor dado, por tanto la acumulada al
final coincide con la población N .
? Distribución por datos no agrupados es cuando se especifican todos y cada uno de los
valores de la variable.
? La suma de las amplitudes de todos los intervalos es igual al recorrido ( diferencia entre
el valor mayor y el valor menor de la distribución).
? Determinar el mayor y el menor de los datos registrados y así encontrar el rango (dife-
rencia entre el mayor y el menor de los datos).
1.4.1. Histogramas
El histograma es una técnica gráfica utilizada para presentar gran cantidad de datos. Se le
atribuye a Karl Pearson en 1895. El histograma puede ser: de frecuencias absolutas, de frecuencias
relativas, de frecuencias absolutas acumuladas y de frecuencias relativas acumuladas.
Para la construcción del histograma se requiere elaborar una tabla de distribución de frecuencias,
el gráfico de la distribución de frecuencias, se llama histograma. El histograma de frecuencias
es una representación visual de los datos en donde se evidencian fundamentalmente tres
características: forma, acumulación o tendencia posicional y dispersión o variabilidad.
El histograma (de frecuencias) en si es una sucesión de rectángulos construidos sobre un sistema
de coordenadas de la siguiente manera:
Las bases de los rectángulos se localizan en el eje horizontal. La longitud de la base es
igual al ancho del intervalo. Las alturas de los rectángulos se registran sobre el eje vertical y
corresponden a las frecuencias de los intervalos. Las áreas de los rectángulos son proporcionales
a las frecuencias de las clases.
Cálculo de los sectores: Un círculo completo son 360◦ (o 2π radianes). El ángulo de cada
porción debe ser proporcional a la frecuencia de cada valor. Por ejemplo, si un valor representa
un 50 % del total de elementos, su sector del círculo tendrá un ángulo de 180◦ (o π radianes).
Sea (x1 , x2 , . . . , xn ) un conjunto de elementos. La fórmula para calcular el ángulo de cada
sector es la siguiente:
360◦
α = · ni = 360◦ · fi
N
2π
α = · ni = 2π · fi
N
Ejemplo 1.1.
Una vez calculados los ángulos, puede representarlos gráficamente. El diagrama circular será el
siguiente:
1.4.4. Polígono
Otro recurso gráfico para ilustrar el comportamiento de los datos es el polígono de frecuencias.
Este se construye sobre el sistema de coordenadas cartesianas, al colocar sobre cada marca de
clase un punto a una altura igual a la frecuencia asociada a esa clase; luego se unen dichos
puntos por segmentos de recta.
Otra forma de polígono es la Ojiva, la cual es el polígono que se obtiene de unir por segmentos
de recta los puntos situados a una altura igual a la frecuencia acumulada a partir de la marca
de clase como se hace con el polígono de frecuencia.
Ejemplo 1.2.
Solución:
TABLA DE FRECUENCIAS
xi fi Fi ni Ni
0 1 1 0,02 0,02
1 1 2 0,02 0,04
2 2 4 0,04 0,08
3 3 7 0,06 0,14
4 6 13 0,12 0,26
5 11 24 0,22 0,48
6 12 36 0,24 0,72
7 7 43 0,14 0,86
8 4 47 0,08 0,94
9 2 49 0,04 0,98
10 1 50 0,02 1
50 1
Ejemplo 1.3.
Solución:
Intervalos
K fi Xi Fi hi Hi
Ls Li
1 81 100 4 90,5 4 0,08 0,08
2 101 120 8 110,5 12 0,32 0,32
3 121 140 12 130,5 24 0,8 0,8
a.
4 141 160 8 150,5 32 1,44 1,44
5 161 180 10 170,5 42 2,28 2,28
6 181 200 4 190,5 46 3,2 3,2
7 201 220 4 210,5 50 4,2 4,2
P
f = 50
b.
Ejemplo 1.4.
En una maternidad se han tomado los pesos (en kilogramos) de 50 recién nacidos:
2, 8 3, 2 3, 8 2, 5 2, 7 3, 7 1, 9 2, 6 3, 5 2, 3
3, 0 2, 6 1, 8 3, 3 2, 9 2, 1 3, 4 2, 8 3, 1 3, 9
2, 9 3, 5 3, 0 3, 1 2, 2 3, 4 2, 5 1, 9 3, 0 2, 9
2, 4 3, 4 2, 0 2, 6 3, 1 2, 3 3, 5 2, 9 3, 0 2, 7
2, 9 2, 8 2, 7 3, 1 3, 0 3, 1 2, 8 2, 6 2, 9 3, 3
Solución:
a.
Ejemplo 1.5.
Solución:
ni Ni
Xi ni Ni fi = N
Fi = N
9 2 2 0, 04 0, 04
10 4 6 0, 08 0, 12
11 10 16 0, 20 0, 32
12 10 26 0, 20 0, 52
13 5 31 0, 10 0, 62
a. 14 3 34 0, 06 0, 68
15 6 40 0, 12 0, 8
16 5 45 0, 1 0, 9
17 2 47 0, 04 0, 94
18 2 49 0, 04 0, 98
19 1 50 0, 02 1
50 1
c.
ni Ni ni
[Li − Li+1 ) Xi ni Ni fi = N
Fi = N
ci di = ci
8 − 11 9, 5 6 6 0, 12 0, 12 3 2
11 − 14 12, 5 25 31 0, 50 0, 62 3 8, 33
14 − 17 15, 5 14 45 0, 3 0, 90 3 4, 67
17 − 20 18, 5 5 50 0, 10 1 3 1, 67
50 1 12
? Debe ser objetiva y definida por una fórmula algebraica, de tal manera que cualquiera
que sea la persona que trabaje con la distribución, se obtenga siempre el mismo valor.
? Debe ser descriptiva de los datos, de manera que su significado sea fácil de entender.
? No debe ser una abstracción matemática, que únicamente pueda ser entendida por per-
sonas muy versadas en esta ciencia, ya que una de las condiciones de la estadística, es
simplificar los datos y no hacerlos más complejos.
? Debe ser fácil de calcular, pero esta condición no debe preferirse en prejuicio de otras
ventajas.
? Debe depender de cada uno de los elementos del grupo, de tal manera que si se altera
alguno de éstos, consecuentemente se altera el valor del promedio ya que por definición,
ésta es representante típica de todos los miembros del grupo y no solamente del alguno
de ellos.
? A pesar de que cada uno de los valores de los elementos del grupo debe tener influencia
en el valor de la medida, ésta debe ser de tal calidad que no se deje afectar demasiado
por alguno o algunos pocos valores.
Ventajas.
? Esta medida se define mediante una ecuación matemática muy fácil de entender y al-
gunas veces se puede obtener cuando no es posible calcular otros tipos de medidas de
tendencia central o de posición y, aún en el casos de no conocerse los valores indivi-
duales de la serie, por ejemplo: si 10 familias consumen 20 litros de leche, el promedio
aritmético será de 2 litros por familia.
? Como ventaja final, se podrá anotar que es excepcionalmente adaptable cuando se trata
de hacer cálculos matemáticos posteriores con él.
Desventajas.
? Es muy sensible a valores muy pequeños o grandes, especialmente cuando estos últimos
se encuentren incluidos en la distribución que se está estudiando, puede resultar en un
promedio que no represente lo típico para el total del grupo.
Esta medida, por lo general, se representa mediante una equis con una raya o trazo colocado
en su parte superior, sin embargo se utilizan otros símbolos como se pueden observar a
continuación: a, ay , ax , M[x] , M[y] , x, y, M[x] , µ.
Ejemplo 2.1.
Ejemplo 2.2.
n
X xi 250,2
x= = = 7,82
i=1
n 32
Ejemplo 2.3.
yi ni y i ni
2 4 8
P
4 1 4 y= yi ni
n
oX= Xi fi
N
6 2 12
y1 n1 +y2 n2 +...... 2(4)+4(1) 48
8 3 24 y= n1 +n2 +......
= 10
= 10
= 4, 8
P
10 48
Xi fi Xi f i
2.2. Mediana
La mediana, es considerada también, al igual que la Media, como una medida de tendencia
central. Su importancia es menor, sus fórmulas son rígidas ya que no admiten tratamiento
algebraico, es por eso que tendremos que aplicar seis procedimientos de cálculo diferente, que
lo hace un poco dispendioso y poco atractivo, como veremos más adelante;
Se define como «aquel valor de la variable que supera a no más de la mitad de las obser-
vaciones, al mismo tiempo, es superado por no más de la mitad de las observaciones»
en otras palabras, se puede definir como el «valor central». Se simboliza por Me , y su fórmula
de aplicación es:
Ventajas.
? Esta medida tiene una definición bastante rígida y el concepto de ella es tan claro, que
cualquier persona lo entiende, aún sin ser familiar su término.
? Los datos deben estar ordenados, pero los valores extremos no tienen ninguna incidencia
en su cálculo.
? Tiene menor estabilidad en el muestreo que el promedio aritmético, pero mayor estabi-
lidad que otras medidas.
? Hay situaciones en que la única medida de tendencia central que puede utilizarse es
la mediana, especialmente cuando los valores extremos de una distribución de variable
continua no están definidos.
Desventajas.
? Esta medida no se adapta a cálculos posteriores aritméticos, por cuanto que si obtenemos
las medianas de diferentes grupos, no se podrá calcular una mediana para el conjunto.
t A continuación se muestran los criterios para construir la mediana. Se puede construir los
siguientes criterios:
Cálculo en datos sin agrupar u originales
a. Número impar de observaciones. Cuando esta medida la aplicamos en los datos originales
o sin agrupar, lo primero que se debe hacer, es ordenarlos de menor a mayor o de mayor
a menor.
Ejemplo 2.4.
Ejemplo 2.5.
x +x
Ordenamos los datos de menor a mayor o viceversa; 2 3 4 8 12 16 20 20 ⇒ Me = j−12 j =
8+12
2
= 10.
En los dos casos anteriores, correspondiente al cálculo de la mediana para datos sin agrupar,
la localización de ella, luego de ser ordenados, se facilita aplicando el siguiente procedimiento:
n+1
2
= 5+12
= 3ª posición, la mediana en el primer caso o ejemplo 1, será Me = xj = 6 y
en el ejemplo 2 será: n+1 2
= 8+1
2
= 4, 5ª posición, es decir, se encuentra entre la 4ª y la 5ª
observación y la mediana será igual a Me = xj = 10, el valor promedio de los dos valores
centrales.
1. Calcular el valor n
2
Donde:
? Me = Mediana
Ejemplo 2.6.
2.3. Moda
Se define como «el valor de la variable que más se repite» o «aquel valor que presenta
la máxima frecuencia». Puede suceder que una distribución tengas dos Modas, en este caso
se dice que la distribución es Binomial, en el caso que haya más de dos modas, se dice que
es plurimodal o multimodal. Es la única medida de posición que puede ser utilizada en
atributos, es decir, cuando la característica es cualitativa. Modo, Moda o valor Modal, medida
originalmente concebida, como aquel valor de la variable, que presenta el mayor número de
observaciones, es decir, el valor de la variable que más veces se repite. Se empleó formalmente
en 1,984 por Karl Pearson, ya que no era utilizado anteriormente.
Desventajas.
? El hecho que la moda nos indique el punto de mayor concentración, lo hacer tal vez,
la mejor medida de tendencia central. Cuando una distribución es muy asimétrica,
claramente se ve que la moda es el más representativo del grupo, y en algunos casos, si
la moda y el promedio aritmético son significativamente diferentes al valor, es preferible
usar la moda.
Ventajas.
? No es sensible, especialmente cuando hay cambios en los valores de la variable, salvo que
no afecten a su propio valor.
Consideremos los siguientes datos: 5, 10, 8, 5, 10, 18, 5, 12, 5, 12 calculemos la media, la
mediada y la moda. n = 10.
P
M edia → x = nxi = 90 10
=9
M ediana →Ordenamos los datos de mayor a menor o de menor a mayor
5 5 5 5 8 10 10 12 12 18
Me
Posición: 2 = 2 = 5, 5ª La mediana se encuentra entre la 5ª y la 6ª observación
n+1 10+1
x +x
Siendo: Me = 8+102
=9 Me = j−12 j
M oda →Corresponderá a 5, siendo el valor de la variable que más se repite → Md =
xj = 5
Al forjarnos una imagen mental de la distribución de frecuencias de un conjunto de mediciones,
una de las primeras apreciaciones descriptivas de interés es una medida de tendencia central,
es decir, una que localiza el centro de la distribución. Una de las medidas de tendencia central
más común y útil es la media común o “media aritmética”, pero también son de importancia,
según las circunstancias y el tipo de variables la “moda” y la “mediana”.
Ejemplo 2.8.
Donde:
? Mo = Moda
? Li = Límite inferior del intervalo modal (intervalo que tiene mayor frecuencia absoluta).
Ejemplo 2.9.
? La Media Cuadrática.
Ejemplo 2.10.
Consideremos los datos que muestra la siguiente tabla, resultado de gastos diarios en periódicos
de una determinada empresa.
[Li − Li+1 ) Xi fi hi Fi Hi
5,2 − 6,1 5,65 3 0,094 3 0,094
6,1 − 7,0 6,55 5 0,156 8 0,250
7,0 − 7,9 7,45 9 0,281 17 0,531
7,9 − 8,8 8,35 7 0,219 24 0,750
8,8 − 9,7 9,25 3 0,156 29 0,906
9,7 − 10,6 10,15 2 0,094 32 1,000
T OT AL 32 1,000
....................................................................................
Hallemos el 80º percentil:
Son 99 valores que dividen a un conjunto de datos en 100 partes iguales, los percentiles se
calculan con la fórmula:
kn
c 100 − Fi−1
Pk = Li +
fi
donde;
Li =límite inferior del intervalo que contiene al percentil
Fi−1 =frecuencia acumulada en la clase anterior k-ésima
fi =frecuencia en la clase que contiene al percentiles
c =tamaño del intervalo de clase
k =1º, 2º, 3º,...,99º percentiles
De este modo, el percentil 80º de acuerdo a la tabla, estará en el intervalo 5, es decir,
c( 80n −Fi−1 )
P80º = Li + 100 fi = 8,8 + 0,9(25,6−24)
5
= 9,088
El 80 % de los datos serán menores a 9,088 y el 20 % restante serán mayores.
....................................................................................
Hallemos el 3er cuartil.
El cuartil 3 (percentil 75º) se ubicara en el cuarto intervalo, así:
c( 75n −Fi−1 )
P75º = Li + 100 fi = 7,9 + 0,9(24−17)
7
= 8,8
El 75 % de los datos serán menores a 8,8 y el 25 % restante serán mayores.
....................................................................................
Hallemos ahora el 7º decil.
El decil 7 (percentil 70º) se ubicara en el cuarto intervalo, así:
c( 70n −Fi−1 )
P70º = Li + 100 fi = 7,9 + 0,9(22,4−17)
7
= 8,594
El 70 % de los datos serán menores a 8,594 y el 30 % restante serán mayores a 8,594.
2.4.1. Rango
Se define como la diferencia que existe entre el valor mayor y el valor menor de una distribución,
Se indica como R. Se calcula de la siguiente forma: R= Valor Mayor – Valor Menor
2.4.2. Varianza
Es una medida cuya importancia radica especialmente en que da origen a otra medida de
dispersión más significativa, denominada desviación estándar o desviación típica. Es la media
de los cuadrados de las desviaciones, y la denotaremos por Sx2 o también por σ 2 . Las fórmulas
para la varianza poblacional y la varianza muestral son un poco diferente:
? Varianza muestral:
Pn 2
xi − X
Sx2 = i=1
para datos no agrupados
n−1
Pn 2
i=1 fi xi − X
Sx2 = para datos agrupados
n−1
? Varianza poblacional:
Pn 2
xi − X
σx2 = i=1
para datos no agrupados
N
Pn 2
f i xi − X
σx2 = i=1
para datos agrupados
N
donde:
? X = media aritmética.
Ejemplo 2.11.
(xi − x)2 ni
P
s 2
= para la muestra y,
n
P 2
Xi − X ni
σ2 = para la población.
N
La desviación típica, es la medida de dispersión más utilizada y de mayor utilidad, dado que
las unidades son expresadas en la misma variable; mientras que, la varianza se expresan en las
mismas unidades pero al cuadrado.
Sx
CV = , x 6= 0
|x|
Ejemplo 2.12.
s 5
CV = × 100 = × 100 = 125 %
x 4
3.1.1. Permutaciones
Las permutaciones consisten en cambiar el orden de un conjunto, y poder determinar cuántas
posibilidades de ver de distinta forma ordenado el conjunto existen, por ejemplo; sea M =
m1 , m2 , m3 , m4 , ..., mn un conjunto de n elementos, entonces las posibilidades que tengo
para poner en cada casillero será: en la primera posición puedo colocar cualquiera de los n
elementos, en la segunda puedo colocar cualquiera de los que me quedan, que son (n − 1),
en la tercera posición puedo colocar solo (n − 2) elementos y así voy quedándome con un
elemento menos a medida que avanzo en los casilleros, hasta que me quedo solo con un
elemento en la última posición, es decir:
M = | {z } , | {z }, | {z }, | {z } , ..., | {z } , | {z } , | {z }
n opciones n−1 opciones n−2 opciones n−3 opciones 3 opciones 2 opciones 1 opción
A éste número lo conocemos como factorial de n, lo simbolizamos como n!, por lo tanto las
permutaciones que puedo hacer sobre un conjunto de n elementos será:
Pn elementos = n!
Ejemplo 3.1.
Ejemplo 3.2.
m!
Am
n =
(m−n)!
5!
A52 =
(5 − 2)!
5 · 4 · 3!
A52 =
3!
A52 = 20 Arreglos distintos
Ejemplo 3.3.
¿De cuántas maneras pueden sentarse 10 personas en un banco si hay 4 sitios disponibles?
Respuesta:
Nótese que importa el orden en que se sientan las personas, ya que los cuatro sitios son
diferentes, y que una persona no puede ocupar más de un sitio a la vez. Por lo tanto, hay
m!
Am
n =
(m−n)!
10!
A10
4 =
(10 − 4)!
10!
A10
4 =
6!
10 · 9 · 8 · 7 · 6!
A10
4 = = 10,9,8,7 = 5040 maneras
6!
Ejemplo 3.4.
En una clase de 10 alumnos van a distribuirse 3 premios. Averiguar de cuántos modos puede
hacerse si:
Hay dos supuestos posibles: Si una misma persona no puede recibir más de un premio:
? Suponemos que NO puede recibir más de un premio, luego los alumnos NO se pueden
repetir:
Caso 1. Los premios son diferentes (no es lo mismo ganar el primer premio que el segundo)
importa el orden, hay:
m!
Am
n =
(m−n)!
10!
A10
3 =
(10 − 3)!
10!
A10
3 =
7! · 3!
10 · 9 · 8 · 7!
A10
3 = = 10,9,8 = 720 manera de distribuir los premios si estos son diferentes;
7!
3.1.3. Combinaciones
Las combinaciones son muy parecidas a los arreglos, con la diferencia en que en los con-
juntos que se forman no importa el orden de manera que α, β, γ = γ, β, α. El número de
combinaciones de a n elementos que puedo hacer de un total de m elementos será:
m!
Cnm =
n!·(m−n)!
Ejemplo 3.5.
Javier, Gonzalo, Manuel, Pamela y Paola se han postulado a la directiva de su curso, pero solo 3
de ellos pueden quedar, ¿cuántas directivas posibles hay?.
Respuesta :
En éste caso se trata de formar combinaciones entre los postulantes, pues si por ejemplo se elije
a Javier, Gonzalo y Paola es lo mismo que se elija a Paola, Gonzalo y a Javier, lo que corresponde
a una combinación de 3 elementos de un total de 5, por lo tanto:
m!
Cnm =
n!·(m−n)!
5!
C35 =
3!. (5 − 3)!
5,4,3!
C35 =
3!,2!
20
C35 = = 10 posibles directivas distintas
2
Ejemplo 3.6. (Se refiere a la parte b) del último ejemplo de los arreglos)
m!
Cnm =
n! · (m−n)!
10!
C310 =
(10 − 3)! · 3!
10!
C310 =
7! · 3!
10 · 9 · 8
C310 = = 120 maneras de distribuir los premios si estos son iguales.
3·2·1
3.2. Probabilidad
Las Probabilidades pertenecen a la rama de la matemática que estudia ciertos experimentos
llamados aleatorios; o sea, regidos por el azar, en que se conocen todos los resultados posibles,
pero no es posible tener certeza de cuál será en particular el resultado del experimento.
Ejemplo, experimentos aleatorios cotidianos son el lanzamiento de una moneda, el lanzamiento
de un dado, extracción de una carta de un mazo de naipes. Más adelante se verá que debemos
distinguir entre los conceptos de probabilidades matemáticas o clásicas de las probabilidades
experimentales o estadísticas.
LA PROBABILIDAD es el estudio de los fenómenos de los que no estamos seguros de su
ocurrencia.
FENÓMENO: un fenómeno es la ocurrencia de un hecho o suceso. Los que nos interesan son
aquellos fenómenos los cuales podemos observar.
Ejemplos de experimentos; Lanzamiento de un dado, lanzamiento de una moneda, un mazo de
cartas, esferas en una urna, etcétera.
EXPERIMENTO: es un fenómeno observable perfectamente definido.
Ejemplo 3.7.
E1 : Lanzar una moneda genuina y observar el lado que cae hacia arriba.
S1 : {C, S}
Ejemplo 3.8.
E2 : Lanzar tres veces una moneda genuina y observar la secuencia «caras» y «sellos».
S2 : {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}
Ejemplo 3.9.
E3 : Lanzar tres veces una moneda genuina y observar el número total de «caras».
S3 : {0, 1, 2, 3}
Ejemplo 3.10.
Ejemplo 3.11.
Referencias
Matemà ticas discretas. Martinez Bencardino Ciro. EstadÃstica y Muestreo. 2012. Leandra.
La yuca y plátanos. 2001. Leandra. el platano. 2003. Myers Walpole, Myers. Probabilidad
y EstadÃstica para IngenierÃa y Ciencias. 9º Ed. 2012.