Professional Documents
Culture Documents
cuales son recolectados para un caracterstica en una investigacin. Solo o aislado el dato no posee relevancia,
pero obtenido con tcnicas de muestreo estadstico nos puede inducir al razonamiento y llevarnos a una
conclusin. Slo cuando un conjunto de datos se examina conjuntamente a la luz de un enfoque, hiptesis o
teora se puede apreciar la informacin contenida en dichos datos. Los datos pueden consistir en nmeros,
estadsticas o proposiciones descriptivas. Los datos convenientemente agrupados, estructurados e
interpretados se consideran que son la base de la informacin humanamente relevante que se pueden utilizar
en la toma de decisiones, la reduccin de la incertidumbre o la realizacin de clculos. Con el auge de los
software estadsticos (SPSS, SAS, STATISTIC, R, S, EXCEL entre otros, facilitan los anlisis, univariados,
bivaridos y multivariados en una investigacin cientfica. Ejemplo: la altura de un terreno, nombre, fecha de
nacimiento, colores de cabello, niveles de estudio, estrato social, nmero de hermanos, resistencia, ph, uso,
entre otros. Todos surgen de la observacin y la experiencia.
VARIABLE: Una variable es una propiedad que puede fluctuar y cuya variacin es susceptible de adoptar
diferentes valores, los cuales pueden medirse u observarse. Las variables adquieren valor cuando se
relacionan con otras variables, es decir, si forman parte de una hiptesis o de una teora. En este caso se las
denomina constructos o construcciones hipotticas.
1. Variables cuantitativas: Son las variables que toman como argumento, cantidades numricas, son variables
matemticas. Las variables cuantitativas se clasifica en:
1.1 Variable discreta: Es la variable que presenta separaciones o interrupciones en la escala de
valores que puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre
los distintos valores especficos que la variable pueda asumir. Ejemplo: El nmero de hijos (1, 2,
3, 4, 5).
1.2 Variable continua: Es la variable que puede adquirir cualquier valor dentro de un intervalo
especificado de valores. Por ejemplo la masa (2,3 kg, 2,4 kg, 2,5 kg,...) o la altura (1,64 m, 1,65
m, 1,66 m,...), o el salario. Solamente se est limitado por la precisin del aparato medidor, en
teora permiten que exista un valor entre dos variables.
2. Variables cualitativas: Son el tipo de variables que como su nombre lo indica expresan distintas
cualidades, caractersticas o modalidad. Cada modalidad que se presenta se denomina atributo o categora, y la
medicin consiste en una clasificacin de dichos atributos. La variable cualitativa puede ser dicotmicas cuando
slo pueden tomar dos valores posibles, como s y no, hombre y mujer o ser politmicas cuando pueden
adquirir tres o ms valores. Existen dos tipos de variables cualitativas
2.1 Variable cualitativa ordinal: como el nombre de la variable lo dice requiere un orden (ordinal).
Por ejemplo el grado de estudio. Esta variable exige que para ser profesional debe haber tenido
bachillerato, para hacer el postgrado debi tener un ttulo profesional, luego para describir esta
variable se debe organizar en un orden.
2.2 Variable cualitativa nominal: como el nombre de la variable lo dice infiere una nominacin
(nominal) y no requiere criterio de orden para describir en una tabla, como por ejemplo los
colores, color ojos, color cabello, sexo, estado civil entre otros
Otro tipo de clasificacin que se maneja en estadstica es segn la influencia que asignemos a unas variables
sobre otras, podrn ser:
Variables independientes: Una variable independiente es aquella cuyo valor no depende de otra variable. La
variable independiente se representa en el eje de abscisas. Son las que el investigador escoge para establecer
agrupaciones en el estudio, clasificando intrnsecamente a los casos del mismo. Un tipo especial son las
variables de control, que modifican al resto de las variables independientes y que de no tenerse en cuenta
adecuadamente pueden alterar los resultados por medio de un sesgo. Es aquella caracterstica o propiedad que
se supone ser la causa del fenmeno estudiado. En investigacin experimental se llama as a la variable que el
investigador manipula.
Variables dependientes: Una variable dependiente es aquella cuyos valores dependen de los que tomen otra
variable. La variable dependiente en una funcin se suele representar por Y. La variable dependiente se
representa en el eje ordenadas. Son las variables de respuesta que se observan en el estudio y que podran estar
influidas por los valores de las variables independientes.
Variables intervinientes: Son aquellas caractersticas o propiedades que, de una manera u otra, afectan el
resultado que se espera y estn vinculadas con las variables independientes y dependientes.
POBLACIN ESTADISTICA: El concepto de poblacin en estadstica va ms all de lo que comnmente se
conoce como tal. Una poblacin se precisa como un conjunto finito o infinito de personas, objetos, opiniones
que presentan caractersticas comunes.
Destacamos algunas definiciones:
"Una poblacin es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos
sacar conclusiones". Levin & Rubin (1996).
"Una poblacin es un conjunto de elementos que presentan una caracterstica comn". Cadenas (1974).
El tamao que tiene una poblacin es un factor de suma importancia en el proceso de investigacin estadstica y
en nuestro caso social, y este tamao vienen dado por el nmero de elementos que constituyen la poblacin,
segn el nmero de elementos la poblacin puede ser finita o infinita.
1- Poblacin infinita: Cuando el nmero de elementos que integra la poblacin es muy grande, por
ejemplo; el conjunto de todos los nmeros positivos.
2- Poblacin finita: es aquella que est formada por un limitado nmero de elementos, por ejemplo; el
nmero de habitantes de una comarca.
Cuando la poblacin es muy grande, es obvio que la observacin y/o medicin de todos los elementos se
multiplica la complejidad, en cuanto al trabajo, tiempo y costos necesarios para hacerlo. Para solucionar este
inconveniente se utiliza una muestra estadstica.
fa
fr
Fa
Fr
Frecuencia absoluta: es el nmero de veces que se repite una observacin o valor de la variable y la
representamos por fa.
Frecuencia relativa: es el cociente entre la frecuencia absoluta y el nmero total de observaciones (n)
realizadas y se representa fr.
f
fr= a
n
Frecuencia absoluta acumulada: Es la suma de las frecuencias absolutas de todos los valores inferiores o
iguales al valor considerado. Se representa por Fa
Frecuencia relativa acumulada: Es la suma de las frecuencias relativas de todos los valores inferiores o
iguales al valor considerado. Se representa por Fr
CONSTRUCCIN de TABLA Y GRFICAS de Variable CUALITATIVA.
Datos de la Variable cualitativa (ESTADO CIVIL)
Casado, Casado, Soltero, Divorciado, Soltero, Soltero, Soltero, Soltero, Soltero, Soltero, Divorciado,
Viudo, Casado, Casado, Soltero, Separado, Soltero, Soltero, Casado, Soltero, Soltero, Casado, Casado,
Soltero, Soltero, Casado, Casado, Soltero, Viudo, Soltero, Divorciado, Soltero, Casado, Soltero, Casado,
Casado, Soltero, Casado, Soltero, Soltero, Casado, Casado, Casado, Casado, Soltero, Divorciado, Soltero,
Soltero, Soltero, Casado, Divorciado, Casado, Separado, Casado, Casado, Soltero, Soltero, Casado,
Casado, Casado, Casado, Casado, Casado, Casado, Casado, Casado, Viudo, Casado, Casado, Divorciado,
Soltero, Soltero, Casado, Casado, Divorciado, Soltero, Soltero, Casado, Divorciado, Viudo, Separado,
Casado, Casado, Casado, Soltero, Soltero, Soltero, Soltero, Casado, Casado, Soltero, Casado, Casado,
Casado, Casado, Soltero, Casado, Divorciado, Casado, Separado.
Tabla 1. Estado civil.
Estado
civil
Soltero
Casado
Divorciad
o
Viudo
fa
37
46
Fr
0,37
0,46
Fa
37
83
Fr
0,37
0,83
9
4
0,09
0,04
92
96
0,92
0,96
Separado
total=
4
n=100
0,04
100
Viudo; 4%
S eparado; 4%
Divorciado; 9%
Soltero; 37%
Casado; 46%
Frecuencia relativa
0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0.46
0.37
0.09
0.04
0.04
fa
10
21
25
26
7
11
100
fr
0,1
0,21
0,25
0,26
0,07
0,11
1
Fa
10
31
56
82
89
100
Fr
0,10
0,31
0,56
0,82
0,89
1,00
25
25
26
21
20
Frecuencia absoluta
15
11
10
10
5
0
0
Nmero de Hermanos.
0.82
0.89
1.00
0.60
0.56
0.40
0.31
0.20
0.00
0
0.10
1 2
Nmero de hermanos
Intervalo de
Yi
Yi-1
21
27
27
33
33
39
Rango R 60
= = =6
filas m 10
Edad
24
30
36
Marca de clase
fa
Fr
17
0,17
15
0,15
11
0,11
Fa
17
32
43
Fr
0,1
0,3
0,4
39
45
51
57
63
69
75
45
51
57
63
69
75
81
42
48
54
60
66
72
78
Total=
13
9
17
8
5
4
1
n=10
0,13
0,09
0,17
0,08
0,05
0,04
0,01
1
56
65
82
90
95
99
100
0,5
0,6
0,8
0,9
0,9
0,9
1
17
17
15
13
11
9
8
5
4
1
24 30 36 42 48 54 60 66 72 78
Edad
0.170.17
0.18
0.15
0.16
0.13
0.14
0.11
0.12
0.09
0.1
0.08
0.08
0.05
0.06
0.04
0.04
0.01
0.02
0
Edad
1 1 1 1
0.950.99
0.9
0.82
1
0.8
Frecuencia relativa
0.65
0.56
0.43
0.32
0.6
0.4
0.2
0.17
0
0
21 24 30 36 42 48 54 60 66 72 78 81100
Edad
Se representa como Md
Calculo de la Moda para datos NO AGRUPADOS: es el dato que ms se repite.
0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2,3,3,3,3,
3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,3,4,4,4,4,4,4,4,5,5,5,5,5,5,5,5,5,5.
Md=3
La mayora de los entrevistados tiene 3 hermanos
Calculo de la Moda para datos AGRUPADOS: es la marca de clase con la mayor frecuencia absoluta o
relativa.
Marca de clase
3
fa
26
fr
0,26
Md=3
La mayora de los entrevistados tiene 3 hermanos.
Ejercicio: Obtener la moda para la edad y estado civil
MEDIA ARITMTICA: es la medida de posicin utilizada con ms frecuencia. Si se tienen n valores de
observaciones, la media aritmtica es la suma de todos los valores dividida entre el total de valores ( n). Si los
n valores de las observaciones se obtienen por tcnicas de muestro aleatorio, tal como se designa a los
individuos de una poblacin estadstica, se llamar media muestral y se convertir en uno de los principales
estadsticos muestrales.
DESVENTAJA: la Media Aritmtica es AFECTADA por aquellos VALORES EXTREMOS, es decir, los
valores muy altos tienden a aumentarla y por el contrario, aquellos demasiado bajos tienden a reducirla, lo
cual, por supuesto, resulta bastante perjudicial ya que la misma puede dejar de ser representativa.
X =
i=1
Xi
5+ 0+,+5+1+1,+5+3+ 2 + 2+ 0+3+2+2
=2,32
=
100
n
y if a
y =
I=1
= y if r
i=1
y if a
y = I=1
= y if r
i=1
010+121+225+326+ 47+511
y =
= 00,1+10,21+ 20,25+30,26+ 40,07+50,11=2,32
100
i=1
VARIABLE ALEATORIA
CONTINUA
VARIABLE ALEATORIA
DISCRETA
Ejercicio calcular la media aritmtica para la edad.
MEDIANA: es el valor que ocupa la posicin central en un conjunto de datos, que deben estar ordenados, de
esta manera que la mitad de las observaciones es menor que la mediana y la otra mitad es mayor que la
mediana, resulta muy apropiada cuando se poseen observaciones extremas. Se representa por Me
( +1)
2
2+2
=2
2
La mitad de los encuestados tiene menos de 2 hermanos y la otra mitad tiene ms de 2 hermanos.
Nmero Datos impares
Me=Daton /2
Y i1
1
Fi1
Yi
56
Me=
Fa
10
3
4
5
31
Y i+Y i1
2
Cuando esta se
calcula
Fi
Me=Y i
82
89
100
Cuando no esta se
Variable Continua
Yi1
27
Yi
21
27
33
Y45
i1
51
57
63
69
75
39
33
39
45
51
57
63
69
75
81
Fa
17
15
11
13
f9i
17
8
5
4
1
Fa
17
32
43
F56
i1
Fi
65
82
90
95
99
100
Me=Y i1
Cuando esta se lee
{ }
n
F i1
2
Me=Y i1 +C
fi
calcula
{5043
13 }
Me=39+6
=42,23
MEDIDAS DE DISPERSIN
Cuando no esta se
Las medidas de dispersin, tambin llamadas medidas de variabilidad, muestran la variabilidad de una
distribucin, indicando por medio de un nmero, si las diferentes puntuaciones de una variable estn muy
alejadas o muy cerca de la media aritmtica. Las medidas de variabilidad ms importantes son la Varianza,
desviacin tpica y el coeficiente de variacin.
Varianza:
En
teora
de
probabilidad,
la
varianza
(se
representarse
como
2
, variazna de una poblacio y S para representar la varianza de una poblacin ) de una variable aleatoria es
una medida de dispersin definida como la Esperanza del cuadrado de la desviacin de dicha variable respecto a
su media. En otras palabras es un promedio cuadrtico de las distancias que existen entre un dato observado y la
media aritmtica.
Calculo de la varianza para datos NO AGRUPADOS
X
X i
i=1
s 2=
EJERCICIO Realizar un ejemplo para datos no agrupados
Calculo de la varianza para datos AGRUPADOS.
Y
Y i
2fa
Y
Y i
i=1
s 2=
(02,32)210+ ( 12,32 )221+ ( 22,32 )225+ (32,32 )226+ ( 42,32 )27 + ( 52,32 )211
s =
100
2
s 2= 2.0376
EJERCICIO Calcular la varianza para la variable cuantitativa continua EDAD
VARIABLE ALEATORIA
CONTINUA
VARIABLE ALEATORIA
DISCRETA
MEDIDAS DE FORMACIN
Asimetra
El coeficiente de asimetra de Fisher CAF evala la proximidad de los datos a su media x. Cuanto mayor sea la
suma (xix)3, mayor ser la asimetra.
n
Si
( y iY )3f a
CAF= I=1
G1
positiva
G1
Si
=0 distribucin simtrica.
nS3
(02,32) 10+ ( 12,32 ) 21+ ( 22,32 ) 25+ ( 32,32 ) 26+ ( 42,32 ) 7+ ( 52,32 ) 11
CAF=
3
100(2.0376)
CAF=
Apuntamiento
La curtosis (o apuntamiento) es una medida de forma que mide cun escarpada o achatada est una curva o
distribucin. Este coeficiente indica la cantidad de datos que hay cercanos a la media, de manera que a mayor
grado de curtosis, ms escarpada (o apuntada) ser la forma de la curva.
La curtosis se mide promediando la cuarta potencia de la diferencia entre cada elemento del conjunto y la
media, dividido entre la desviacin tpica elevada tambin a la cuarta potencia.
n
G2 a
( y i SiY )4f
>3
G3= I =1
G 3=
distribucin apuntada o
4
leptocrtica
nS
G2
Si
=3 distribucin normal o
(02,32) 10+ ( 12,32 ) 21+ ( 22,32 ) 25+ ( 32,32 ) 26+ ( 42,32 ) 7+ ( 52,32 ) 11
4
100(2.0376)
G3=
25
25
26
21
20
Frecuencia absoluta
15
11
10
10
5
0
0
Nmero de Hermanos.
PROBABILIDAD
SE DEFINE COMO la posibilidad que existe entre varias posibilidades, que un hecho o condicin se
produzcan. La probabilidad, entonces, mide la frecuencia con la cual se obtiene un resultado (xito) en
oportunidad de la realizacin de un experimento sobre el cual se conocen todos los resultados posibles gracias
a las condiciones de estabilidad que el contexto supone de antemano.
La gran aliada de la probabilidad es la llamada teora de la probabilidad, ya que gracias a lo que esta postula y
sostiene, es que los seres humanos podemos anticiparnos a que algunos sucesos potenciales ocurran finalmente.
La teora de la probabilidad es un modelo matemtico que se ocupa de analizar los fenmenos aleatorios;
esto implica la contraposicin respecto de los fenmenos ya determinados, que son aquellos en los cuales el
resultado del experimento que se realiza, atendiendo a determinadas condiciones, produce un resultado nico y
previsible, que se repetir la cantidad de veces que ste vuelva a hacerse, siempre y cuando se respeten las
mismas condiciones.
Los fenmenos aleatorios, que son de los que se ocupa la teora de la probabilidad, podrn realizarse miles
de veces bajo las mismas circunstancias pero siempre tendrn como resultado un variado conjunto de
alternativas.
Un clarsimo ejemplo resulta ser las diversas posibilidades y combinaciones que permite el lanzamiento de
dados cuando se est jugando a la generala.
Esto parece abstracto para nuestra vida cotidiana; sin embargo, la probabilidad est absolutamente inmersa en
nuestro da a da como parte integrante de una sociedad y comunidad determinada, ya que en el anlisis de
riesgos y en el comercio de materias primas, la probabilidad, tiene una incidencia y una importancia vital.
La probabilidad mide la mayor o menor posibilidad de que se d un determinado resultado (suceso o evento)
cuando se realiza un experimento aleatorio. Estadsticamente es el grado de certeza que se tiene sobre la
ocurrencia de un suceso. Se calcula como
xcitos
pI =
Casos Posibles
Para calcular la probabilidad de un evento se toma en cuenta todos los casos posibles de ocurrencia del mismo;
es decir, de cuntas formas puede ocurrir determinada situacin.
Los casos favorables de ocurrencia de un evento (#xitos) sern los que cumplan con la condicin que
estamos buscando.
La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento, entre 0% y 100%):
El valor cero corresponde al suceso imposible;
ejemplo: lanzamos un dado al aire y la probabilidad de que salga el nmero 7 es cero.
El valor uno corresponde al suceso seguro,
ejemplo: lanzamos un dado al aire y la probabilidad de que salga cualquier nmero del 1 al 6 es igual a uno
(100%).
El resto de sucesos tendr probabilidades entre cero y uno: que ser tanto mayor cuanto ms probable sea
que dicho suceso tenga
f
xcitos
= a
Casos Posibles n
Ejemplos: a) Probabilidad de que al lanzar un dado salga el nmero 2: el caso favorable (#xitos) es tan slo
uno (que salga el dos), mientras que los casos posibles (n) son seis (puede salir cualquier nmero del uno al
seis).
P i=
fa 1
= =0.166 en lenguaje comn 16,6
n 6
b) Probabilidad de que al lanzar un dado salga un nmero par: en este caso los casos favorables (fa) son tres
(que salga el dos, el cuatro o el seis), mientras que los casos posibles (n) siguen siendo seis. Por lo tanto:
P i=
fa 3
= =0.5 en lenguaje comn50
n 6
c) Probabilidad de que al lanzar un dado salga un nmero menor que 5: en este caso tenemos cuatro casos
favorables (fa) (que salga el uno, el dos, el tres o el cuatro), frente a los seis casos posibles. Por lo tanto:
Pi =
fa 4
= =0.666 en lenguaje comn66,6
n 6
d) Probabilidad de ganarse el premio mayor de una lotera en la que juegan 100.000 nmeros nos: tan slo un
caso favorable (fa), el nmero que jugamos, frente a los 100.000 casos posibles (n). Por lo tanto:
f
1
Pi= a =
=0.00001 en lenguaje comno , 0001
n 100.000
e) Probabilidad al lanzar una moneda de 20 dolares, con un guila en una cara y una estatua de libertad en la
otra. Hay dos casos posibles (n) de ocurrencia (o cae guila o cae estatua de la libertad) y slo un caso favorable
(fa) de que pueda caer guila (pues slo hay un guila en la moneda).
P i=
fa 1
= =0.5 en lenguaje comn50
n 2
Existe una probabilidad del 50% de obtener un guila al tirar una moneda.
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos requisitos:
a) El nmero de resultados posibles (sucesos eventos) tiene que ser finito. Si hubiera infinitos resultados, al
aplicar la regla "casos favorables dividido por casos posibles" el cociente siempre sera cero.
b) Todos los sucesos o eventos tienen que tener la misma probabilidad. Si al lanzar un dado, algunas caras
tuvieran mayor probabilidad de salir que otras, no podramos aplicar esta regla.
A la regla de Laplace tambin se le denomina "probabilidad a priori", ya que para aplicarla hay que conocer
antes de realizar el experimento cuales son los posibles resultados y saber que todos tienen las mismas
probabilidades. Cuando se realiza un experimento aleatorio un nmero muy elevado de veces, las
probabilidades de los diversos posibles sucesos empiezan a converger hacia valores determinados, que son sus
respectivas probabilidades.
TECNICAS DE CONTEO
.
Ejemplo 3. PLACAS. Las placas para automvil en el D. F. estn formadas por 6 caracteres: los tres primeros
son dgitos y los tres ltimos son letras del alfabeto. Cuntas placas diferentes se pueden hacer?
Primero vamos a analizar los dgitos:
El primero se puede escoger de 10 maneras diferentes, el segundo de 10 maneras y el tercero de 10 maneras;
as que, el nmero de maneras en que se puede formar la primera parte de la placa es: 10X10X10 = 1000.
Ahora bien, si se considera que el arreglo 000 no es vlido, entonces habr que restarle 1 al valor obtenido, con
lo que quedan 999 maneras en que se puede formar la primera parte de la placa.
La segunda parte de la placa se forma con tres letras: la primera se puede escoger de 26 maneras diferentes (A,
B, C, D, E, F, G, H, I, J, K, L, M, N, O, P, Q, R, S, T, U, V, W, X, Y, Z), la segunda de 26 maneras y la tercera de
26 maneras; as que el nmero de maneras en que se puede formar la segunda parte de la placa es:
26X26X26=17,576. Finalmente, el nmero total de placas diferentes que se pueden formar es:
999X17.576 = 17558,424
2) DIAGRAMAS DE RBOL.
Diagramas de rbol
Un diagrama de rbol es una herramienta grfica que permite enumerar todas las posibles maneras de realizar
un conjunto de acciones secuenciales o independientes.
El rbol se construye a partir de un nodo, que representa la primera accin a efectuar; de ste se desprenden
tantas ramas como maneras diferentes se pueda realizar esa accin; en las terminales de cada rama se dibujan
otros nodos, que representan la segunda accin a efectuar y de los que se desprenden tantas ramas como
maneras lgicas diferentes pueda realizarse esa segunda accin, considerando la manera en que se realiza la
primera. Y as, sucesivamente
Ejemplo 1 MONEDAS. Considere el experimento consistente en lanzar una moneda de $20 dlares tres
veces consecutivas y observar, cada vez, la cara que queda hacia arriba. La primera vez que se lanza la moneda,
la cara que queda hacia arriba puede ser guila o estatua; la segunda vez que se lanza, tambin la cara que queda
hacia arriba puede ser guila o estatua, sin importar lo que haya cado la primera vez; lo mismo puede ocurrir la
tercera vez que se lanza la moneda. Entonces, el diagrama de rbol correspondiente es:
El nmero de maneras en que puede caer la moneda tres veces consecutivas es: 2X2X2 = 8= 2
= 2
El principio fundamental del conteo, combinado con la definicin de factorial de un nmero, permite
establecer una serie de frmulas generales, que facilitan, de manera significativa, el clculo del espacio muestral
Factorial de un nmero.
El factorial de un nmero es el producto consecutivo de todos los nmeros enteros, desde el uno hasta el
nmero dado n, inclusive. Notacin: n!
n !=1 2 3 (n1) n
Por as convenir, invocando la propiedad conmutativa de la multiplicacin, la frmula se escribe ms
comnmente como:
n !=n ( n1 ) ( n2 ) 3 21
Considerando que: ( 1 n !=( n1 ) ( n2 ) 3 2 1 e invocando ahora la propiedad asociativa de la
multiplicacin, la frmula se puede escribir:
n !=n ( n1 )
que es la llamada frmula fundamental del factorial.
n != t n et dt = (n1)
0
Pn=n ( n1 ) ( n2 ) 3 2 1
lo que nos conduce a la definicin de factorial:
Pn=n !
Ejemplo 1 LIBROS. Si en el librero de tu casa hay 15 diferentes libros, 6 de los cuales son de matemticas,
4 son de qumica y 5 son de fsica,
a) De cuntas maneras diferentes puedes acomodarlos en el librero?
b) De cuntas maneras diferentes puedes acomodarlos en tu librero, si los de cada materia deben quedar
juntos?
El considerar que los libros de cada materia deben quedar juntos implica distinguir las 3 materias como 3
objetos que se pueden permutar: el primer objeto es el grupo de libros de matemticas, el segundo objeto es el
grupo de libros de qumica y el tercer objeto es el grupo de libros de fsica.
Pn=3 !=6
El nmero de maneras en que se pueden permutar estos 3 objetos es:
Los 6 libros de matemticas se pueden permutar de
pueden permutar de
P4 =4 !=24
P6=6 !=720
P5=5 !=120
maneras. Por el principio fundamental del conteo, el nmero total de maneras en que se pueden colocar los 15
libros en el librero, haciendo que los de cada materia queden juntos es:
P3 ( P 6 P 4 P5 )=3 ! 6 ! 4 ! 5 !=6 720 24 120=12.441 .600
Maneras.
Permutaciones circulares
Se llaman permutaciones circulares de n objetos a las diferentes maneras en que se pueden colocar esos n
objetos alrededor de un crculo; en este tipo de permutaciones, lo que importa son las posiciones relativas de los
objetos con respecto a ellos mismos y no las posiciones absolutas de los objetos en el crculo. Notacin:
PC n
Existen n permutaciones lineales que, al ser colocadas en crculo, conducen a una misma permutacin circular,
porque cada objeto queda en la misma posicin relativa respecto a los (n 1) objetos restantes; de manera que
por cada permutacin circular hay n permutaciones lineales equivalentes.
Entonces, para calcular el nmero de permutaciones circulares de n objetos, se divide el nmero de
permutaciones lineales de n objetos entre las n permutaciones equivalentes:
PC n=
Pn n !
= =( n1)!
n
n
Ejemplo 1. JUNTA DE COMIT. De cuntas maneras diferentes se pueden colocar 6 personas, para una junta
de comit?
P6=6 !=720 maneras
a) En fila:
b) En fi la, si dos personas deben quedar juntas:
nr
Pnn n
1
2 ..
nr
hay
n2
n1
2 ..
nr
nr !
permutaciones equivalentes:
n!
n1 ! n2 ! nr !
Ejemplo 1. TORNILLOS. Si para fijar una placa se cuenta con 7 tornillos: 2 son de acero al carbn, son de
acero inoxidable y 2 son de bronce. De cuntas maneras diferentes se pueden colocar tales tornillos, si se
distingue el material del que estn hechos?
P2,3,2
7 =
7!
5040
=
=210 maneras
2 ! 3! 2!
24
Ejemplo 2. TELGRAFO. Cuntos mensajes telegrficos diferentes se pueden enviar utilizando exactamente
4 puntos y 5 rayas?
4,5
P9 =
9!
362880
=
=126 mensajes
4!5!
2880
Para calcular el nmero de ordenaciones de r objetos que se pueden formar con los n objetos disponibles, se
hacen las siguientes consideraciones: la eleccin del primer objeto se puede hacer de n maneras diferentes; la
eleccin del segundo objeto se puede hacer de (n - 1) maneras diferentes,..., y la eleccin del r-simo objeto se
puede hacer de (n r + 1) maneras diferentes. Ahora, invocando el principio fundamental del conteo se tiene:
r
P n=
n!
n!
= =n !=Pn
( nn ) ! 0!
Ejemplo 1 SALN DE CLASE. De cuntas maneras diferentes se pueden sentar los 52 alumnos del grupo de
Probabilidad en un saln que dispone de 60 plazas?
El primer alumno que entra al saln puede escoger su lugar de entre 60 posibles, el segundo puede escoger lugar
de entre 59 posibles,... y as, sucesivamente, hasta el alumno nmero 52, que puede escoger lugar de entre 9
posibles. Evidentemente, 8 de los 60 lugares quedarn vacos; se trata de calcular las ordenaciones de 60
objetos de orden 52:
60 !
60 ! 60 59 58 . 9 ! 8 !
P52
=
=
!=2.06374 10 77 maneras diferentes
60=
8!
( 6052 ) ! 8 !
4) COMBINACIONES
Se llaman combinaciones de n objetos de orden r a los distintos grupos que se pueden formar al escoger
secuencialmente r objetos de entre n posibles, de modo cada una de las combinaciones es distinta de las dems,
si difiere en uno de sus objetos por lo menos, sin importar el orden. Notacin:
Crn = n
r
()
Para calcular el nmero de combinaciones de r objetos que se pueden formar con los n objetos disponibles, se
considera que, por cada combinacin de r objetos, existen r! ordenaciones equivalentes de r objetos; en efecto,
cada combinacin de r objetos se puede permutar de r! maneras diferentes, generando r! ordenaciones. De
modo que basta con dividir el nmero de ordenaciones de n objetos de orden r, entre las permutaciones de r
objetos para obtener las combinaciones de n objetos de orden r:
n!
Crn = n =
r r ! (nr)!
()
Ejemplo 1 BARAJA INGLESA. Cuntas manos diferentes le pueden tocar a un jugador de poker?
Una mano de poker es de 5 cartas y la baraja inglesa consta de 52; por ende, en cada mano se obtiene, de una en
una, la muestra de 5 cartas distintas; para efectos de conteo, a esta manera de tomar la muestra se le denomina
muestreo sin reemplazamiento. La primera carta puede ser cualquiera de la 52, la segunda puede ser cualquiera
de las 51 restantes,..., y la quinta, que puede ser cualquiera de las 48 que quedan.
El orden en el que salen las carta no importa y evidentemente no se permite la repeticin; por lo tanto, son
combinaciones de 52 objetos tomados de 5 en 5
.
52 !
52 51 50 49 48 47 ! 52 51 50 49 48 311.875 .200
5
C52= 52 =
=
=
=
5! 47 !
5!
120
5
5 ! (525)!
( )
( )
Supongamos que una placa de automvil consta de dos letras diferentes seguidas de tres dgitos de los cuales el
primero no es cero. Cuntas placas diferentes pueden grabarse?
25 25 9 10 10= 585.000