GLOSARIO

Tipos de muestra (estadstica)

Una muestra es una porcin representativa de una determinada poblacin.
Cuando no se puede realizar un censo, se recurre al muestreo, que es la
herramienta que se utiliza para determinar qu porcin de la realidad se estudiar.
Existen distintos tipos de tcnicas para conformar una muestra, entre ellas:
Muestreo de conveniencia o por seleccin intencionada: aqu la muestra
similar al universo objetivo es seleccionada a partir de mtodos no aleatorios. La
representatividad de dicha muestra es determinada por el investigador de manera
subjetiva. Por funcionar de esta manera, las muestras suelen tener sesgos, por lo
que lo ideal es recurrir a esta tcnica cuando no quede ninguna otra alternativa.
Muestreo aleatorio: en este todos los elementos que lo componen tienen
exactamente la misma posibilidad de ser elegidos. Estos elementos son
seleccionados de forma azarosa por medio de nmeros aleatorios. Existen
distintas formas de realizar el muestreo aleatorio, entre ellas:
1. Muestreo aleatorio simple: este mtodo es muy simple y se caracteriza por
la extraccin de los individuos de una lista de forma azarosa. Cuando el
universo es muy numeroso y complejo, no suele resultar eficaz.
2. Muestreo sistemtico: en este caso, el primer individuo se extrae al azar y a
partir de este se elije, a intervalos constantes, el resto. Este mtodo resulta
ms sencillo que el muestreo aleatorio simple y adems no precisa de un
listado elaborado para seleccionar a los individuos. Si bien el muestreo
sistemtico es aplicable a la mayora de los casos, se debe tener en cuenta
que la caracterstica que se est estudiando no posea una periodicidad igual a
la del muestreo.
3. Muestreo aleatorio estratificado: para realizar este muestreo se debe dividir
a la poblacin en grupos de acuerdo a un carcter especfico y luego, cada
uno de estos grupos es muestreado aleatoriamente, obteniendo as una parte
que sea proporcional a la muestra. Estos muestreo son tiles cuando la
caracterstica que determina la divisin de la poblacin est relacionada con la
variable que quiera estudiarse.
4. Muestreo aleatorio por conglomerados: aqu, la poblacin es dividida en
grupos que posean caractersticas similares entre ellos. Luego de realizar
esto, algunos grupos son analizados completamente dejando de lado al resto.
5. Muestreo mixto: en este caso se utilizan al menos dos de los mtodos
mencionados anteriormente. Esto ocurre cuando la poblacin a estudiar es
sumamente compleja, por lo que la aplicacin de un solo mtodo resultara
difcil o resultara ineficiente.
6. 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 u objetos que presentan caractersticas comunes.
7. Destacamos algunas definiciones:
8. "Una poblacin es un conjunto de todos los elementos que estamos
estudiando, acerca de los cuales intentamos sacar conclusiones". Levin &
Rubin (1996).
9. "Una poblacin es un conjunto de elementos que presentan
una caracterstica comn". Cadenas (1974).
10. 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. Cuando el nmero de elementos que integra la poblacin es muy
grande, se puede considerar a esta como una poblacin infinita, por
ejemplo; el conjunto de todos los nmeros positivos.
11. Una poblacin finita es aquella que est formada por un limitado nmero de
elementos, por ejemplo; el nmero de habitantes de una comarca.
12. 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.

Evolucin de la poblacin espaola
13.
14. Es a menudo imposible o poco prctico observar la totalidad de los
individuos, sobre todos si estos son muchos. En lugar de examinar el grupo
entero llamado poblacin o universo, se examina una pequea parte del
grupo denominada muestra.
15. Muestra:
16. La muestra es una representacin significativa de las caractersticas de una
poblacin, que bajo, la asuncin de un error (generalmente no superior al
5%) estudiamos las caractersticas de un conjunto poblacional mucho
menor que la poblacin global.
17. "Se llama muestra a una parte de la poblacin a estudiar que sirve para
representarla". Murria R. Spiegel (1991).
18. "Una muestra es una coleccin de algunos elementos de la poblacin, pero
no de todos". Levin & Rubin (1996).
19. "Una muestra debe ser definida en base de la poblacin determinada, y las
conclusiones que se obtengan de dicha muestra solo podrn referirse a la
poblacin en referencia", Cadenas (1974).
20. Por ejemplo estudiamos los valores sociales de una poblacin de 5000
habitantes aprox., entendemos que sera de gran dificultad poder analizar
los valores sociales de todos ellos, por ello, la estadstica nos dota de una
herramienta que es la muestra para extraer un conjunto de poblacin que
represente a la globalidad y sobre la muestra realizar el estudio. Una
muestra representativa contiene las caractersticas relevantes de la
poblacin en las mismas proporciones que estn incluidas en tal poblacin.
21. Los expertos en estadstica recogen datos de una muestra. Utilizan esta
informacin para hacer referencias sobre la poblacin que est
representada por la muestra. En consecuencia muestra y poblacin son
conceptos relativos. Una poblacin es un todo y una muestra es una
fraccin o segmento de ese todo.
22. Tcnicas de Muestreo:
23. Esto no es ms que el procedimiento empleado para obtener una o ms
muestras de una poblacin; el muestreo es una tcnica que sirve para
obtener una o ms muestras de poblacin.
24. Este se realiza una vez que se ha establecido un marco muestral
representativo de la poblacin, se procede a la seleccin de los elementos
de la muestra aunque hay muchos diseos de la muestra.
25. Al tomar varias muestras de una poblacin, las estadsticas que calculamos
para cada muestra no necesariamente seran iguales, y lo ms probable es
que variaran de una muestra a otra.
Probabilidad y estadstica Conceptos Bsicos
Estadstica:
La estadstica es comnmente considerada como una coleccin de hechos
numricos expresados en trminos de una relacin sumisa, y que han sido
recopilados a partir de otros datos numricos.
Kendall y Buckland (citados por Gini V. Glas / Julian C. Stanley, 1980) definen la
estadstica como un valor resumido, calculado, como base en unamuestra de
observaciones que generalmente, aunque no por necesidad, se considera como
una estimacin de parmetro de determinada poblacin; es decir, una funcin
de valores de muestra.
"La estadstica es una tcnica especial apta para el estudio cuantitativo de los
fenmenos de masa o colectivo, cuya mediacin requiere una masa de
observaciones de otros fenmenos ms simples llamados individuales o
particulares". (Gini, 1953).
Murria R. Spiegel, (1991) dice: "La estadstica estudia los mtodos cientficos para
recoger, organizar, resumir y analizar datos, as como para sacar conclusiones
vlidas y tomar decisiones razonables basadas en tal anlisis.
"La estadstica es la ciencia que trata de la recoleccin, clasificacin y
presentacin de los hechos sujetos a una apreciacin numrica como base a la
explicacin, descripcin y comparacin de los fenmenos". (Yale y Kendal, 1954).
Cualquiera sea el punto de vista, lo fundamental es la importancia cientfica que
tiene la estadstica, debido al gran campo de aplicacin que posee.
Definicin de estadstica. El trmino estadstica tiene su raz en la
palabra Estado. Surge cuando se hace necesario para sus intereses cuantificar
conceptos. En la mayora de los casos esta cuantificacin se har en funcin de
unos fines econmicos o militares. El estado quiere conocer censo de personas,
de infraestructura, de recursos en general, para poder obtener conclusiones de
esta informacin.
Actualmente la estadstica es una ciencia que se desarroll principalmente en el
siglo XX en las Universidades y centros de investigacin prestigiosos alrededor del
mundo, dedicados a la investigacin en ciencias biolgicas y agropecuarias, como
la Estacin experimental de Rothamstead en Gran Bretaa o
la Universidad Estatal de Iowa y la Universidad de Carolina del Norte en EE.UU.
No es ya una cuestin reservada al estado. Podramos decir que ha permeado la
mayora de las ciencias, desde la Biologa (en especial, la Gentica), la Fsica, la
Qumica y las relacionadas con la Ingeniera en general, as como las Finanzas,
Economa y Ciencias Sociales. La razn es clara: por una parte la estadstica
proporciona tcnicas precisas para obtener informacin, (recoleccin y descripcin
de datos) y por otra parte proporciona mtodos para el anlisis de esta
informacin (inferencia).
INFERENCIA ESTADSTICA
Se basa en las conclusiones a la que se llega por la ciencia experimental
basndose en informacin incompleta (de una parte de la poblacin). La inferencia
estadstica es una parte de la Estadstica que permite
generar modelos probabilsticos a partir de un conjunto de observaciones. Del
conjunto se observaciones que van a ser analizadas, se eligen aleatoriamente slo
unas cuantas, que es lo que se denomina muestra, y a partir de dicha muestra se
estiman los parmetros del modelo, y se contrastan las hiptesis establecidas, con
el objeto de determinar si el modelo probabilstico es el adecuado al problema real
que se ha planteado.
La utilidad de la inferencia estadstica, consiste en que si el modelo se considera
adecuado, puede usarse para la toma de decisiones o para la realizacin de las
previsiones convenientes.
En el desarrollo del tema se utilizarn variables aleatorias, que son variables
determinadas por el azar.
La inferencia estadstica parte de un conjunto de observaciones de una variable, y
a partir de estos datos "infiere" o genera un modelo probabilstico; por tanto es la
consecuencia de la investigacin emprica, cuando se est llevando a cabo, y
como consecuencia de la ciencia terica, cuando se estn generando
estimadores, o mtodos, con tal o cual caracterstica para casos particulares. La
inferencia estadstica es, en consecuencia, un planteamiento inductivo.


A) EXPERIMENTO.- Es toda accin sobre la cual vamos a realizar
una medicin u observacin, es decir cualquier proceso que genera un resultado
definido.
B) EXPERIMENTO ALEATORIO.- Es toda actividad cuyos resultados no se
determinan con certeza. Ejemplo: lanzar una moneda al aire. No podemos
determinar con toda certeza cul ser el resultado al lanzar una moneda al aire?,
por lo tanto constituye un experimento aleatorio.
C) ESPACIO MUESTRAL (S).- Es un conjunto de todos los resultados
posibles que se pueden obtener al realizar un experimento aleatorio. Ejemplo: sea
el experimento E: lanzar un dado y el espacio muestral correspondiente a este
experimento es: S = (1, 2, 3, 4, 5, 6(.
D) PUNTO MUESTRAL.- Es un elemento del espacio muestral de cualquier
experimento dado.
E) EVENTO O SUCESO.- Es todo subconjunto de un espacio muestral. Se
denotan con letras maysculas: A, B, etc. Los resultados que forman parte de este
evento generalmente se conocen como "resultados favorables". Cada vez que se
observa un resultado favorable, se dice que "ocurri" un evento. Ejemplo: Sea el
experimento E: lanzar un dado. Un posible evento podra ser que salga nmero
par. Definimos el evento de la siguiente manera: A = sale nmero par = (2, 4, 6(,
resultados favorables n(E) = 3
Los eventos pueden ser:
i) Evento cierto.- Un evento es cierto o seguro si se realiza siempre. Ejemplo: Al
introducirnos en el mar, en condiciones normales, es seguro que nos mojaremos.
ii) Evento imposible.- Un evento es imposible si nunca se realiza. Al lanzar un
dado una sola vez, es imposible que salga un 10
iii) Evento probable o aleatorio.- Un evento es aleatorio si no se puede precisar de
antemano el resultado. Ejemplo: Al lanzar un dado, saldr el nmero 3?

F) PROBABILIDAD.- Es el conjunto de posibilidades de que un evento ocurra o no
en un momento y tiempo determinado. Dichos eventos pueden ser medibles a
travs de una escala de 0 a 1, donde el evento que no pueda ocurrir tiene una
probabilidad de 0 (evento imposible) y un evento que ocurra con certeza es de 1
(evento cierto).
La probabilidad de que ocurra un evento, siendo sta una medida de la posibilidad
de que un suceso ocurra favorablemente, se determina principalmente de dos
formas: empricamente (de manera experimental) o tericamente (de
forma matemtica).
i) Probabilidad emprica.- Si E es un evento que puede ocurrir cuando se realiza
un experimento, entonces la probabilidad emprica del evento E, que a veces se le
denomina definicin de frecuencia relativa de la probabilidad, est dada por la
siguiente frmula:

Nota: P(E), se lee probabilidad del evento E
ii) Probabilidad terica.- Si todos los resultados en un espacio muestral S finito son
igualmente probables, y E es un evento en ese espacio muestral, entonces la
probabilidad terica del evento E est dada por la siguiente frmula, que a veces
se le denomina la definicin clsica de la probabilidad,expuesta por
Pierre Laplace en su famosa Teora analtica de la probabilidad publicada en 1812:


dato s. m.
1 Informacin concreta sobre hechos, elementos, etc., que permite estudiarlos,
analizarlos o conocerlos: los datos del impreso de la matrcula; los datos
estadsticos se obtienen de la observacin de un fenmeno en una poblacin, y la
totalidad de ellos es la muestra.
2 En informtica, informacin que se suministra al ordenador y que este
almacena de forma legible: datos numricos o alfanumricos; situar el cursor en el
campo correspondiente e introducir el nuevo dato.
Diccionario Manual de la Lengua Espaola Vox. 2007 Larousse Editorial, S.L.

dato
m. Antecedente necesario para llegar al conocimiento de una cosa o para deducir
las consecuencias de un hecho.
Documento (que aclara).
INFORM. Representacin convencional de un hecho o idea que puede ser tratada
por un ordenador.
Combinaciones y permutaciones
Qu diferencia hay?
Normalmente usamos la palabra "combinacin" descuidadamente, sin pensar en si
el orden de las cosas es importante. En otras palabras:

"Mi ensalada de frutas es una combinacin de manzanas, uvas y
bananas": no importa en qu orden pusimos las frutas, podra ser
"bananas, uvas y manzanas" o "uvas, manzanas y bananas", es la misma
ensalada.


"La combinacin de la cerradura es 472": ahora s importa el orden.
"724" no funcionara, ni "247". Tiene que ser exactamente 4-7-2.
As que en matemticas usamos un lenguaje ms preciso:

Si el orden no importa, es una combinacin.

Si el orden s importa es una permutacin.



As que lo de arriba se podra llamar "cerradura de
permutacin"!
Con otras palabras:
Una permutacin es una combinacin ordenada.


Para ayudarte a recordar, piensa en
"Permutacin... Posicin"
Permutaciones
Hay dos tipos de permutaciones:
Se permite repetir: como la cerradura de arriba, podra ser "333".
Sin repeticin: por ejemplo los tres primeros en una carrera. No puedes
quedar primero y segundo a la vez.
1. Permutaciones con repeticin
Son las ms fciles de calcular. Si tienes n cosas para elegir y eliges r de ellas, las
permutaciones posibles son:
n n ... (r veces) = n
r

(Porque hay n posibilidades para la primera eleccin, DESPUS
hay n posibilidades para la segunda eleccin, y as.)
Por ejemplo en la cerradura de arriba, hay 10 nmeros para elegir (0,1,...,9) y
eliges 3 de ellos:
10 10 ... (3 veces) = 10
3
= 1000 permutaciones
As que la frmula es simplemente:
n
r

donde n es el nmero de cosas que
puedes elegir, y eliges r de ellas
(Se puede repetir, el orden importa)

2. Permutaciones sin repeticin
En este caso, se reduce el nmero de opciones en cada paso.

Por ejemplo, cmo podras ordenar 16
bolas de billar?
Despus de elegir por ejemplo la "14"
no puedes elegirla otra vez.
As que tu primera eleccin tiene 16 posibilidades, y tu siguiente eleccin tiene 15
posibilidades, despus 14, 13, etc. Y el total de permutaciones sera:
16 15 14 13 ... = 20,922,789,888,000
Pero a lo mejor no quieres elegirlas todas, slo 3 de ellas, as que sera
solamente:
16 15 14 = 3360
Es decir, hay 3,360 maneras diferentes de elegir 3 bolas de billar de entre 16.
Pero cmo lo escribimos matemticamente? Respuesta: usamos la "funcin
factorial"

La funcin factorial (smbolo: !) significa que se
multiplican nmeros descendentes. Ejemplos:
4! = 4 3 2 1 = 24
7! = 7 6 5 4 3 2 1 = 5040
1! = 1
Nota: en general se est de acuerdo en que 0! = 1. Puede que
parezca curioso que no multiplicar ningn nmero d 1, pero
ayuda a simplificar muchas ecuaciones.
As que si quieres elegir todas las bolas de billar las permutaciones seran:
16! = 20,922,789,888,000
Pero si slo quieres elegir 3, tienes que dejar de multiplicar despus de 14.
Cmo 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 frmula se escribe:

donde n es el nmero de cosas que
puedes elegir, y eliges r de ellas
(No se puede repetir, el orden
importa)
Ejemplos:
Nuestro "ejemplo de elegir en orden 3 bolas de 16" sera:
16!
=
16!
=
20,922,789,888,000
= 3360

(16-3)! 13! 6,227,020,800
De cuntas maneras se pueden dar primer y segundo premio entre 10 personas?
10!
=
10!
=
3,628,800
= 90

(10-2)! 8! 40,320
(que es lo mismo que: 10 9 = 90)
Notacin
En lugar de escribir toda la frmula, la gente usa otras notaciones como:

Combinaciones
Tambin hay dos tipos de combinaciones (recuerda que ahora el
orden no importa):
Se puede repetir: como monedas en tu bolsillo (5,5,5,10,10)
Sin repeticin: como nmeros de lotera (2,14,15,27,30,33)
1. Combinaciones con repeticin
En realidad son las ms difciles de explicar, as que las dejamos para luego.
2. Combinaciones sin repeticin
As funciona la lotera. Los nmeros se eligen de uno en uno, y si tienes los
nmeros de la suerte (da igual el orden) entonces has ganado!
La manera ms fcil de explicarlo es:
imaginemos que el orden s importa (permutaciones),
despus lo cambiamos para que el orden no importe.
Volviendo a las bolas de billar, digamos que queremos saber qu 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
2 3 1
3 1 2
3 2 1
1 2 3
As que las permutaciones son 6 veces ms posibilidades.
De hecho hay una manera fcil de saber de cuntas 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 t mismo!)
As que slo tenemos que ajustar nuestra frmula de permutaciones
para reducir por las maneras de ordenar los objetos elegidos (porque no nos
interesa ordenarlos):

Esta frmula es tan importante que normalmente se la escribe con grandes
parntesis, as:

donde n es el nmero de cosas que
puedes elegir, y eliges r de ellas
(No se puede repetir, el orden no
importa)
Y se la llama "coeficiente binomial".
Notacin
Adems de los "grandes parntesis", la gente tambin 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! 66,227,020,800
O lo puedes hacer as:
161514
=
3360
= 560

321 6


As que recuerda, haz las permutaciones, despus reduce entre "r!"
... o mejor todava...
Recuerda la frmula!
Es interesante darse cuenta de que la frmula es bonita y simtrica:

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!
Tringulo de Pascal
Puedes usar el tringulo de Pascal para calcular valores. Baja a la fila "n" (la de
arriba es n=0), y ve a la derecha "r" posiciones, ese valor es la respuesta. Aqu
tienes un trozo de la fila 16:
1 14 91 364 ...
1 15 105 455 1365 ...
1 16 120 560 1820 4368 ...

1. Combinaciones con repeticin
OK, ahora vamos con este...

Digamos que tenemos cinco sabores de helado: banana,
chocolate, limn, fresa y vainilla. Puedes tomar 3 paladas.
Cuntas 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 limn 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 s puedes repetir!)
Bien, no puedo decirte directamente cmo se calcula, pero te voy a ensear
una tcnica especial para que lo averiges t mismo.

Imagina que el helado est en contenedores, podras
decir "sltate el primero, despus 3 paladas, despus
sltate los 3 contenedores siguientes" y acabars con
3 paladas de chocolate!
Entonces es como si ordenaras a un robot que te
trajera helado, pero no cambia nada, tendrs lo que
quieres.
Ahora puedes escribirlo como (la flecha es saltar, el crculo es
tomar)
Entonces los tres ejemplos de arriba se pueden escribir as:
{c, c, c} (3 de chocolate):

{b, l, v} (uno de banana, uno de limn y uno de
vainilla):

{b, v, v} (uno de banana, dos de vainilla):

OK, entonces ya no nos tenemos que preocupar por diferentes sabores, ahora
tenemos un problema ms simplepara resolver: "de cuntas maneras puedes
ordenar flechas y crculos"
Fjate en que siempre hay 3 crculos (3 paladas de helado) y 4 flechas (tenemos
que movernos 4 veces para ir del contenedor 1 al 5).
As que (en general) hay r +(n-1) posiciones, y queremos que r de ellas tengan
crculos.
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 nmeros un poco
distintos. Lo podras escribir as:

donde n es el nmero de cosas que
puedes elegir, y eliges r de ellas
(Se puede repetir, el orden no
importa)
Es interesante pensar que podramos habernos fijado en flechas en vez de
crculos, y entonces habramos dicho "tenemos r +(n-1) posiciones y queremos
que (n-1) tengan flechas", y la respuesta sera la misma...

Qu pasa con nuestro ejemplo, cul es la respuesta?
(5+3-1)!
=
7!
=
5040
= 35

3!(5-1)! 3!4! 624
En conclusin
Uau, es un montn de cosas que absorber, quizs tendras que leerlo otra vez
para entenderlo todo bien!
Pero saber cmo funcionan estas frmulas es slo la mitad del trabajo. Averiguar
cmo se interpreta una situacin real puede ser bastante complicado.
Por lo menos ahora sabes cmo se calculan las 4 variantes de "el orden s/no
importa" y "s/no se puede repetir".





La palabra 'estadstica' aparece en el Diccionario de la Lengua como "censo o
recuento de la poblacin, de la produccin, del trfico o de cualquier otra entidad
colectiva". Proviene del griego, con la significacin de "ciencia del Estado" , lo que
resulta lgico porque eran los Estados los que establecan registros de poblacin,
nacimientos, defunciones, cosechas, impuestos,..., temas sobre los que trataban
las primeras estadsticas conocidas. La palabra estadista, que refiere al hombre de
estado, tiene un origen histrico cercano.
La Estadstica, como rama del saber, presenta un cuerpo de doctrina
metdicamente organizado.y un campo de aplicacin muy amplio, siendo una de
las disciplinas matemticas que ms utilidad tiene en otros mbitos de
conocimiento. Su objeto de estudio puede ir desde una fundamentacin terica
ms rigurosa como disciplina matemtica, hasta la mera aplicacin de sus
resultados en otros campos cientficos y sociales.
La Estadstica podra definirse, de una manera breve, como la los disciplina que
nos proporciona una metodologa para recoger, organizar, resumir, analizar la
informacin y hacer inferencias a partir de los correspondientes datos.obtenidos
La Estadstica puede ser:
Descriptiva: trata del recuento, ordenacin y clasificacin de los datos obtenidos
por las observaciones. Se construyen tablas y se representan grficos que
permiten simplificar la complejidad de los datos que intervienen en una
distribucin.
Inferencial: trata de establecer previsiones y conclusiones generales sobre una
poblacin a partir de los resultados obtenidos de una muestra. Utiliza resultados
obtenidos mediante la estadstica descriptiva y se apoya en el clculo de
probabilidades.

UN POCO DE HISTORIA
Las primeras noticias que se tienen de la estadstica se sitan en China, en el ao
2.238 a. de C. en que el emperador Yao mand hacer un censo general del
Imperio.
En Egipto debido a las inundaciones el Nilo se efectuaban anualmente trabajos
censales para repartir los bienes y la propiedad salvada de las inundaciones.
En el Imperio Romano para poder aplicar los impuestos se realizaban censos de
bienes y personas, siendo famoso el decretado por Octavio Augusto.
Carlomagno y Guillermo el Conquistador ordenaron realizar trabajos de estadstica
en la Edad Media.
En Espaa, los rabes en el siglo VIII cultivaron la estadstica.
En las Cortes de Alcal en 1348 se habla de padrones, empadronadores y notas
de rebaos.
Los Reyes Catlicos ordenaron realizar un empadronamiento general de los
habitantes de sus dominios.
Fue Grant (1.620-1.674), vendedor de paos de Londres, el verdadero precursor
de la estadstica pues utilizando datos demogrficos reunidos en las parroquias de
Londres logr estudios que permitieron descubrir leyes demogrficas de validez
permanente, llegando a estimar la poblacin de Londres y de otras ciudades
inglesas.
Discpulos de Grant fueron Petty y Susmilch que constituyeron con sus trabajos un
punto de partida para estudiar los fenmenos de masas.
Hasta finales del siglo XVIII se designaba con el trmino estadstica la exposicin
de caractersticas ms notables de un estado y fue Achenwall (1719-1772),
profesor de la universidad alemana de Goetingen quien introdujo la palabra
estadstica con el siguiente significado: "Ciencia de las cosas que pertenecen al
Estado, llamando Estado a todo lo que es una sociedad civil y al pas en que ella
habita..."
En el siglo XIX la descripcin de los datos oficiales se vio complementada por
descripciones numricas, adquiriendo entonces el significado especial de exponer
las caractersticas de un Estado mediante mtodos numricos.
Los trabajos de Bernouilli, Laplace, Gauss y Bessel desarrollaron conjuntamente el
clculo de Probabilidades y la Estadstica, siendo el astrnomo Quetelet quien
realiz notables aplicaciones haciendo que la Estadstica se constituyese como un
mtodo de investigacin de los fenmenos de masas y en un auxiliar valioso de
los problemas de gobierno, ya sean demogrficos, econmicos, etc y aunando el
aspecto cientfico con el de Estado.
Posteriormente Pearson, Galton y Fisher dieron un gran avance en los siglos XIX y
XX siendo el primero conocido como el padre de la "inferencia estadstica", el
segundo de la "regresin y el tercero de la "teora de la investigacin".
Nadie pone en duda que los trabajos de investigacin sobre Estadstica no
hubieran prosperado de no haberse implantado la estadstica oficial que apoyada
en principios cientficos ha podido disponer de rganos tcnicamente
especializados. Pionera de esta organizacin estadstica oficial fue Suecia en
1756 en donde una Comisin de Indices desde entonces facilita informaciones
anuales sobre el movimiento de la poblacin. En 1800 Francia se sum a la
estadstica oficial, siguiendo Baviera, Italia, Prusia, Austria, Blgica..
En Espaa en 1713 se dictaron disposiciones sobre el Registro Civil; en 1810 Jos
Bonaparte intent hacer un censo; en 1837 se mand formar el censo de la
poblacin y en 1841 se orden por decreto que se estableciese el registro civil de
los nacidos, casados y muertos en los pueblos de ms de 500 vecinos. El 3 de
noviembre de 1856 se estableci la Comisin General de Estadstica.
En la actualidad el Instituto Nacional de Estadstica (I.N.E.) creado por Ley el 31-
XII-1945 es el organismo encargado de las estadsticas oficiales.

APLICACIONES DE LA ESTADSTICA
La Estadstica, segn hemos visto en sus orgenes histricos, ha ido ligada a las
cuestiones de Estado, siendo la organizacin de las estadsticas oficiales un
hecho reseado como fundamental en todos los pases. Pero tiene muchas otras
importantes aplicaciones. Seaamos a continuacin una seleccin de dichas
aplicaciones.
* Administracin Pblica: La Administracin Pblica, a travs de sus Delegaciones
territoriales y provinciales, se encarga de recoger datos que una vez elaborados y
analizados son sometidos a procesos estadsticos, sirviendo posteriormente para
las tomas de decisiones a nivel nacional. De esta manera se conocen los
movimientos naturales de la poblacin: nacimientos, matrimonios y defunciones;
datos relativos a agricultura, ganadera, pesca, industria, transporte y
comunicaciones, comercio exterior, finanzas; precios y salarios; trabajo, seguridad
y accin social; sanidad, enseanza y expansin cultural; turismo y otros servicios;
justicia; etc. Todos estos datos se recogen en publicaciones, que sirven como
punto de referencia para las cuestiones diarias.
* Economa: son fundamentales las estadsticas en este campo ya que nos
ofrecen las macromagnitudes para elaborar las cuentas nacionales. ituSuelen ser
realizadas por por los estados y por las principales instituciones financieras..
* Sociologa: La Estadstica desempea un papel importante en las
investigaciones sociolgicas. Mediante las encuestas se conoce la realidad social,
lo que opinan y lo que demandan, necesitando de la Estadstica para la
elaboracin, anlisis y presentacin de resultados.
* Psicologa: La mayor parte de los trabajos cientficos en el rea de psicologa
experimental tienen como herramienta de trabajo principal la estadstica. Se utiliza
la estadstica en el estudio del comportamiento de los individuos, de sus aptitudes,
de su cociente intelectual, etc.
* Biologa, Medicina y Veterinaria: En cualquier estudio de tipo experimental la
Estadstica es utilizada en toda su extensin, habiendo nacido en los ltimos
tiempos la asignatura de Bioestadstica con esta finalidad. En Gentica, los
estudios sobre herencia son los ms desarrollados.
* Meteorologa: Para la confeccin de las series temporales y prediccin de
ciclones, movimientos ssmicos, temperaturas, etc.
* Industria y direccin empresarial: Para el control de calidad en la produccin en
cadena, para el anlisis de mercados, para el estudio del precio de venta al
pblico de los artculos fabricados, en la gestin financiera, etc.


TRMINOS BSICOS USADOS EN ESTADSTICA
En estadstica hay una serie de conceptos bsicos que hay que conocer. Estos
trminos son:
Poblacin: es el conjunto de personas, animales o cosas que cumplen una
determinada caracterstica y sobre el que se va a llevar a cabo una investigacin
Elemento de una poblacin: es cada una de las unidades, individuos o entes que
componen esa poblacin.
Tamao de una poblacin: es el nmero de elementos que la integran.
Muestra: Cualquier subconjunto de una poblacin.
Carcter estadstico: Es una propiedad que permite clasificar los individuos de una
poblacin. Pueden ser de dos tipos:
Cuantitativos: Aquellos que se pueden medir numricamente (talla, nmero de
hijos...)
Cualitativos: Aquellos que no se pueden medir numricamente (profesin, estado
civil, sexo, color de ojos...). Cada una de las diferencias que se pueden establecer
en un carcter cualitativo se denomina modalidad.
Variable estadstica: Conjunto de todos los valores posibles que puede tomar un
carcter estadstico cuantitativo.
Atributos: Conjunto de todos los valores posibles que puede tomar un carcter
estadstico cualitativo.
La frecuencia absoluta es el nmero de veces que se repite cada valor o
modalidad de la variable o atributo. En general se representa por ni . La suma de
las frecuencias absolutas ser el nmero total de datos, individuos o poblacin y
se representa por n.
La frecuencia relativa es la frecuencia absoluta dividida por el nmero total de
individuos. Se representa por fi .
La frecuencia acumulada de una observacin de la variable es la suma de las
frecuencias correspondientes a los valores menores que, o anteriores a, dicho
valor. Hablamos de frecuencias absolutas acumuladas (Ni) cuando sumamos
frecuencias absolutas; si sumamos frecuencias relativas nos referiremos a
frecuencias relativas acumuladas.
Las estadsticas que se organizan en una tabla de frecuencias reciben el nombre
de distribuciones de frecuencias.
Estas distribuciones son de dos tipos: las distribuciones de frecuencias
propiamente dichas y las distribuciones de frecuencias agrupadas.
En las distribuciones de frecuencias propiamente dichas aparecen dos columnas;
en la primera, ordenados, los diferentes valores de la variable y, en la segunda, las
correspondientes frecuencias.
En las distribuciones de frecuencias agrupadas tambin hay dos columnas, lo que
ocurre es que la variable toma muchos valores distintos y por ello los valores de la
variables se agrupan en ciertos intervalos.

REPRESENTACIN GRFICA DE LA INFORMACIN
Para representar la informacin de una forma sintetizada se puede gacer uso de
grficos.
La utilidad de los grficos est en relacin con su capacidad para ayudar a::
- Mejorar la comprensin de las variables de estudio.
- Captar de manera sencilla y rpida la esencia del fenmeno.
- Detectar errores en los datos utilizados.
Pero los grficos tambin presentan una serie de inconvenientes:
- Un grfico supone siempre una simplificacin y reduccin de la informacin.
- La mayor o menor utilidad de las representaciones grficas depender de la
forma en la que estn construidas, ya que ello influye sobre su interpretacin.
Hay muchos sistemas de representacin grficaa, de forma que dependiendo de
la
distribucin (es decir, si son distribuciones sin agrupar o distribuciones agrupadas
en intervalos) sern ms adecuadas unas u otras representaciones grficas. A
continuacin indicamos las ms usuales
Diagrama de barras
Se usan fundamentalmente en distribuciones discretas. Sobre el eje horizontal se
representan los valores de la variable y sobre el eje vertical, las frecuencias
(absolutas o relativas). Desde los puntos marcados sobre el eje horizontal se
trazan barras verticales de longitud igual a la frecuencia correspondiente. El
polgono de frecuencias se forma uniendo los extremos de las barras mediante
una lnea quebrada.




A partir de este diagrama, es fcil darse cuenta de en qu valores de la variable se
concentra la mayor parte de las observaciones.
Cuando los datos se han agrupado por intervalos, bien por corresponder a una
variable estadstica continua o porque lo aconseje la situacin a estudiar, aunque
la variable sea discreta, las representaciones que se utilizan son los llamados
histogramas, donde las superficies de los rectngulos son proporcionales a las
frecuencias que representan.



Para construir un histograma, se representan sobre el eje horizontal los lmites de
los intervalos; sobre ellos, se construyen rectngulos de cada intervalo con una
altura adecuada para que el rea sea proporcional a la frecuencia.
Diagrama de sectores
Esta representacin es especialmente adecuada en aquellos casos en que se
desea que los datos estadsticos lleguen a todo tipo de personas, incluso a las que
no tienen por qu tener una formulacin cientfica.

Este tipo de diagrama muestra la importancia relativa de las diferentes partes que
componen un total. La forma de elaborarlo es la siguiente:
- Se toma como total el crculo.
- A continuacin, se divide ste en tantas partes como componentes haya, siendo
el tamao de cada una de ellas proporcional a la importancia relativa de cada
componente.
- Ms concretamente, como el crculo tiene 360, stos se reparten
proporcionalmente a las frecuencias relativas de cada componente.
La ventaja intrnseca de este tipo de representaciones no debe hacer olvidar que
plantea ciertas desventajas, que pasamos a enumerar:
- Requiere clculos adicionales.
- Es ms difcil comparar segmentos de un crculo que comparar alturas de un
diagrama de barras.
- No da informacin sobre las magnitudes absolutas, a menos que la incorporemos
en cada segmento.
Pictograma y cartograma
El pictograma consiste en tomar como unidad una silueta o smbolo que sea
representativo del fenmeno que se va a estudiar, con un tamao variable y
proporcional a la frecuencia de cada modalidad.



Los cartogramas son especialmente tiles en estudios de carcter geogrfico. La
forma de construirlos es la siguiente: se colorea o se raya con colores e
intensidades diferentes los distintos espacios o zonas (que pueden ser
comunidades autnomas, provincias, ros, etc.) en funcin de la mayor o menor
importancia que tenga la variable o atributo en estudio.

REPRESENTACIN CUANTITATIVA DE LA INFORMACIN
Medidas de centralizacin
En una distribucin estadstica, se llaman medidas de centralizacin a una serie
de parmetros que tienden a situarse hacia el centro del conjunto de datos, una
vez ordenados. Tambin se les suele llamar medidas de tendencia central o
promedios. Sirven para representar, de forma sinttica, al conjunto total de datos a
estudiar. Las medidas de centralizacin ms importantes son la media aritmtica,
la moda, la mediana y los cuartiles, deciles y percentiles, aunque stos ltimos
pueden considerarse tambin medidas de dispersin.
Media aritmtica
Se llama media aritmtica de una variable estadstica X y se representa por x , a la
suma de todos los valores de dicha variable (xi) dividida entre el nmero total de
valores (N). Si la variable estadstica toma los valores x1, x2..., xn con frecuencias
respectivas f1, f2,..., fn, viene dada por:

Moda.
Se llama moda de una variable estadstica al valor de dicha variable que posee
mayor frecuencia absoluta. En general, no tiene por qu ser nica, sino que
existen distribuciones bimodales, trimodales, etc.
En variables discretas el clculo se hace a simple vista. Sin embargo, en
distribuciones con datos agrupados en clases, se habla de la clase o intervalo
modal, que es el de mayor frecuencia; en este caso, como valor concreto para la
moda se toma el resultante de aplicar la siguiente frmula:
Moda = Li + a D1/D1+D2, donde:
Li: lmite inferior de la clase modal.
A: amplitud de la clase modal.
D1: diferencia de frecuencia entre la clase modal y la anterior.
D2: diferencia de frecuencia entre la clase modal y la siguiente.
La moda representa el valor dominante de la distribucin: Es un parmetro menos
representativo que la media, ya que no tiene en cuenta todos los datos: Es posible
que existan distribuciones sin moda (todas las frecuencias iguales). Por ltimo, no
tiene por qu situarse en el centro de la distribucin.
Mediana
Se llama mediana de una variable estadstica a un valor de la variable, tal que el
nmero de datos menores que dicho valor coincide con el nmero de datos
mayores, es decir, el 50% de los datos son menores y el otro 50% son mayores.
Se representa por M.
Segn el tipo de variable, el clculo se efecta de la forma siguiente:
-Variable discreta con datos simples (todas las frecuencias valen 1). Si el nmero
de datos es impar, la mediana es el dato central, una vez ordenados de menor a
mayor. Si el nmero de datos es par, la mediana es la semisma de los dos datos
centrales (aunque el valor resultante no pertenezca al conjunto de datos).
-Variable discreta con datos agrupados: La mediana es el primer valor de la
variable cuya frecuencia absoluta acumulada es mayor que N/", la mediana es la
semisuma del valor correspondiente de la variable y el valor siguiente.
-Variable continua o discreta con datos agrupados en intervalos: En este caso se
habla de clase mediana. Hay frmulas que permiten calcular el valor ms
representativo de la clase o intervalo mediano.

La mediana es un parmetro til en el caso de que existan datos muy extremos
que afecten a la media y, sobre todo, cuando sta no puede clacularse por existir
intervalos ilimitados. Geomtricamente, para distribuciones representadas con un
histograma, la mediana es el valor de la variable tal que la vertical sobre ella divide
el histograma en dos regiones de igual rea.
En el caso de distribuciones simtricas o ligramente asimtricas, se comprueba
experimentalmente la relacin: Media - Moda = 3(Media - Mediana).
Cuantiles
- Cuartiles: Son tres valores de la variable que dividen la distribucin en cuatro
artes iguales: Se representan por Q1 Q2 Q3 y Q4
- Deciles: Son nueve valores que dividen la distribucin en diez partes iguales: Se
representan por D1 D2 .... D9
- Percentiles: Son noventa y nueve valores de la variable que dividen la
distribucin en cien partes iguales. Se representan por P1 P2 ... P99
- Teniendo en cuenta las definiciones es inmediato que M = Q2 = D5 = P50 ; Q1 =
P25 ;...
El clculo de los cuantiles es idntico al clculo de la mediana, pero teniendo en
cuenta siempre el nmero de datos que quedan a la izquierda de cada cuantil
concreto que estemos calculando.

Medidas de dispersin.
La investigacin acerca de una distribucin queda incompleta si slo se estudian
las medias de centralizacin. Es imprescindible conocer si los datos numricos
estn agrupados o no alrededor de los valores centrales. A esto se le llama
dispersin y lo parmetros que miden estas desviaciones, medias de dispersin.
Las ms importantes son el recorrido, la varianza, la desviacin tpica y el
coeficiente de variacin.
Rango o recorrido.
Se llama recorrido de una distribucin a la diferencia entre el mayor y el menor
valor que toma la variable estadstica.
Su clculo es muy simple. Cuanto menor es el recorrido, mayor es el grado de
representatividad de los valores centrales; sin embargo, tiene el inconveniente de
que slo depende de los valores extremos, En algunas ocasiones se usan otros
rangos, como el rango intercuartlico (Q3 - Q1), o el rango entre percentiles (P90 -
P10)
Varianza y desviacin tpica.
Se llaman desviaciones respecto a la media a las diferencias entre cada valor de
la variable y la media de la distribucin. Si la variable toma los valores x1 x2 ... xn,
las desviaciones respecto a la media seran (x1 - x),... (xn - x)
Se llama varianza de una variable a la media aritmtica de los cuadrados de las
desviaciones con respecto a la media. La raiz cuadrada positiva de la varianza se
llama desviacin tpica. La varianza se representa por s2


Tanto la varianza como la desviacin tpica dependen de todos los valores de la
distribucin, as como de la media. La varianza tiene el inconveniente de que no
viene expresada en las mismas unidades que los datos; sin embargo, la
desviacin tpica s viene expresada en las mismas unidades que los datos y, por
tanto , es ms significativa.
Coeficiente de variacin.
Se define el coeficiente de variacin de una variable estadstica X, y se representa
por C.V. (X), como el cociente de su desviacin tpica entre su media.
El coeficiente de variacin permite comparar entre s la dispersin de varias
distribuciones aunque tomen valores muy distintos unas de otras, ya que podemos
decir que uniformiza la dispersin, al comparar la desviacin tpica con la media de
la distribucin.

B) PROBABILIDAD.
INTRODUCCIN
Los modelos probabilsticos son el fundamento de la estadstica inferencial
Para el tratamiento estadstico de datos con vistas a realizar inferencias, hay que
tener en cuenta que el proceso de experimentacin (por ejemplo, el muestreo)
lleva asociado la idea de azar.
En la prctica existen numerosas situaciones en las que la realizacin sucesiva de
un experimento en las mismas condiciones produce resultados distintos: son los
que hemos llamado experimentos de azar o aleatorios; en dichos experimentos las
mismas "causas" producen "efectos" distintos: (por ejemplo, al lanzar una moneda
unas veces sale cara y otras cruz, sin que normalmente podamos predecir el
resultado de una realizacin del experimento). A estas situaciones o sucesos se
les llama estocsticos o aleatorios a diferencia de las situaciones de tipo
determinista, como por ejemplo los modelos de la Mecnica Clsica
Para medir el grado de incertidumbre originado por esta situacin introducimos el
concepto de probabilidad.
Por lo tanto, para poder utilizar la metodologa estadstica, es necesario conocer
los fundamentos de la Teora de la Probabilidad.

UN POCO DE HISTORIA
Los juegos de azar existan desde la Edad de Piedra, ya que se jugaba a los
dados con uno huesos de animales llamados astrgalos, cuya forma era muy
parecida a los dados actuales. Ms tarde, los griegos confeccionaron los primeros
dados para que los resultados fuesen "regulares".



Toda la teora de la probabilidades tiene origen en los juegos del azar. Sin
embargo, aqu surge la primera curiosidad, ya que aunque todas las culturas han
practicado y practican juegos de azar, la probabilidad como tal no comenz a
estudiarse hasta hace slo unos 300 aos.
La primera noticia escrita que se tiene sobre diversos conceptos relacionados con
el azar (posibilidad de ganar, estrategias de juegos), aparece en un libro escrito
por Girolamo Cardano en 1563 ttulado Liber de ludo alae (Libro sobre el juego de
los dados).
No se supo nada ms del azar, hasta que a principios del siglo XVII el Prncipe de
Toscana plante el siguiente problema a Galileo Galilei: "Por qu cuando se
lanzan tres dados, obtenemos con ms frecuencia la suma 10 que la suma 9,
aunque hay las mismas formas de conseguir 9 que 10?.
El problema qued como un hecho aislado, pues Galileo no profundiz en el tema,
y fueron Pascal y Fermat quienes en 1654 resolvieron, por separado y
simultneamente, el problema plantado a Pascal por el filsofo y hombre de la
corte de Luis XIV, el caballero de la Mre; dando con ello Principio al estudio
sistemtico de las leyes del azar y Teora de la Probabilidad.

CONCEPTOS BSICOS
El Clculo de Probabilidades es la parte de las Matemticas que se dedica al
estudio de los fenmenos (experiencias)aleatorios. Digamos que es la ciencia que
estudia las "leyes del azar". Desde este mbito de las matemticas se puede dar
significado a los trminos de estadstica y probabilidad a partir de la definicin de
conceptos tales como:
Un suceso es el resultado de una experiencia cualquiera.
Una experiencia es determinista cuando da como resultado un suceso que se
puede conocer (predecir)con anterioridad (pequeas variaciones iniciales implican
pequeos cambios en el resultado).
Una experiencia es aleatoria cuando el resultado de la misma no se puede
conocer con seguridad hasta que no se realiza (la experiencia); de tal forma que
repetida la experiencia varias veces, en las mismas condiciones, los resultados
pueden ser distintos (pequeas variaciones iniciales implican grandes cambios en
el resultado).
Espacio muestral: es el conjunto formado por todos los resultados posibles de un
experimento aleatorio.
Sucesos elementales: son los resultados del experimento. Son los formados por
un solo resultado.
Sucesos compuestos: son los que se forman con ms de un resultado del
experimento. Un suceso compuesto se verifica cuando ocurre alguno de los
resultados que lo componen.
Suceso unin: el suceso (A o B) se compone de los resultados comunes y no
comunes de A y de B. El suceso (A o B) se realiza cuando se realiza A o cuando
se realiza B o cuando se realizan los dos.
Suceso interseccin: el suceso (A y B) se compone de los resultados comunes a
los sucesos A y B. El suceso (A y B) se realiza slo cuando se realizan el suceso
A y el suceso B simultneamente.
Suceso contrario de A: es el formado por los resultados del experimento no
incluidos en el suceso A.
Suceso seguro: es el que se compone de todos los resultados o sucesos
elementales del experimento. Ocurre siempre que se lleve a cabo el experimento.
Suceso imposible: es aquel que tiene interseccin vaca con el espacio muestral.
Nunca ocurre por ms que se repita el experimento.
Sucesos incompatibles: dos sucesos A y B son incompatibles si el hecho de que
ocurra uno de ellos impide la realizacin del otro. En el caso de que A y B se
puedan realizar simultneamente, sern compatibles.
Frecuencia absoluta (F) de un resultado es el nmero de veces que se repite
dicho resultado en un experimento.
Frecuencia relativa (fr) de un resultado es el cociente entre la frecuencia absoluta
de dicho resultado y el nmero de veces que se ha realizado el experimento.
Propiedades de las frecuencias relativas:
- Si A es un suceso cualquiera se verifica que fr(A) es mayor o igual que cero y
menor o igual que 1.
- La suma de las frecuencias relativas de todos los resultados de un experimento
aleatorio es igual a 1.
- La frecuencia relativa de un suceso compuesto es igual a la suma de las
frecuencias relativas de los sucesos elementales que lo componen.
Ley del azar o ley de estabilidad de las frecuencias. Al repetir numerosas veces
un experimento aleatorio, la frecuencia relativa (fr) de cada resultado tiende hacia
un determinado nmero (que llamaremos probabilidad de dicho resultado). La
frecuencia relativa de un resultado tiende, o se aproxima, a la probabilidad cuando
el experimento aleatorio se repite un gran nmero de veces.
La probabilidad, P(S), de un suceso aleatorio, S, es la medida de la posibilidad de
que ocurra ese suceso. Se expresa mediante un nmero comprendido entre 0 y 1.
Sucesos equiprobables: si todos los resultados de un experimento aleatorio
tienen la misma probabilidad, se dice que los sucesos elementales son
equiprobables.
Regla de Laplace: si los sucesos elementales de un experimento aleatorio son
equiprobables y A es un suceso cualquiera, entonces la probabilidad de A es el
cociente entre el nmero de casos favorables al suceso entre el nmero de casos
posibles.
La regla de Laplace permite el clculo de probabilidades en experimentos
sencillos. De todas formas, si el nmero de casos favorables o posibles es muy
elevado, para contarlos hay que recurrir a la combinatoria, de la que hablaremos
en el siguiente apartado.

Combinatoria.
Se llama factorial de un nmero natural "n", y se representa por n! al producto de
todos los nmeros naturales decrecientes a partir de n hasta llegar a 1. O sea:
n! = n.(n-1).(n-2)....4.3.2.1
Por ejemplo, se tiene de la definicin:
0! = 1 (por convenio)
1! = 1
2! = 2.1 =2
3! = 3.2.1 = 6
4! = 4.3.2.1 = 24
5! = 5.4.3.2.1 =120 , etc.

Se llaman variaciones ordinarias de n elementos tomados m a m a cada uno de
los grupos de m elementos que se pueden formar con los n dados,
considerndose como distintos dos de ellos cuando difieran en algn elemento o
en el orden de colocacin de los mismos.

Por ejemplo, si queremos saber cuntos nmeros de 3 cifras pueden formarse con
los dgitos 1, 2, 3, 4, y 5 sin poder repetirse ninguno, como sabemos que aunque
estn formados por las mismas cifras, los nmeros difieren si su orden no es el
mismo.

Se llaman Combinaciones ordinarias de n elementos tomados m a m a cada uno
de los grupos de m elementos que se pueden formar con los n dados,
considerndose como distintos dos de ellos nicamente si difieren en algn
elemento (pero no si difieren en el orden de los mismos). El nmero total de
combinaciones ordinarias se calcula as:

Por ejemplo: Una heladera dispone de 12 clases de helados Cuntas copas de
tres bolas diferentes podra tomar? Como el orden de las bolas en las copas no
influye, se tiene:

Se llaman permutaciones ordinarias de n elementos a las variaciones ordinarias
de n elementos tomados n a n. su nmero es:

Si queremos saber de cuntas maneras pueden sentarse 7 personas en 7 sillas,
tendremos:

Entre las variaciones, combinaciones y permutaciones se cumple la siguiente
relacin:

Cuando en las variaciones ordinarias permitimos que puedan repetirse los
elementos, obtenemos las variaciones con repeticin de n elementos tomados m a
m. Su nmero es:

Por ejemplo Cuntas quinielas de 14 resultados hay que hacer para acertar
seguro? Como podemos elegir entre tres signos (1-x-2) y hay que tomarlos de 14
en 14 tendremos:


INFERENCIA ESTADSTICA. ESTADSTICA MATEMTICA
La Estadstica Inferencial trata de determinar los valores que adoptarn una serie
de datos muy numerosos, que forman una poblacin mediante el estudio de unos
cuantos de ellos extrados de la poblacin de una manera significativa y que
forman una muestra.

Al disponer de una muestra para el estudio de un colectivo, el objetivo usual es
utilizar la informacin contenida en sta, para realizar inferencias sobre la
poblacin. Este proceso consta de dos fases: en primer lugar es necesario definir
o delimitar el colectivo; a continuacin es preciso obtener una muestra adecuada,
es decir, representativa de los aspectos que deseamos estudiar en la poblacin;
para conseguir esta representatividad se utiliza el "Principio de aleatoriedad", lo
que nos lleva al concepto de "muestra aleatoria"; en la que los distintos elementos
que la componen se eligen mediante regla de azar, lo que nos permitir utilizar el
poderoso modelo matemtico que es la Teora de la Probabilidad.
Al considerar un enfoque frecuentista del concepto de probabilidad, se desarrolla
la Estadstica Clsica cuyas ramas bsicas son la Teora de la Estimacin, cuyo
objetivo es la realizacin de estimaciones sobre el colectivo a partir de muestras
aleatorias, y la Teora de la Contrastacin de Hiptesis; normalmente cuando se
realiza un experimento sobre cierto fenmeno, queremos investigar un
comportamiento para poder predecir: es usual tener una idea a priori sobre alguna
propiedad del colectivo, o sea una hiptesis estadstica sobre el estado de ste; la
Estadstica nos proporciona una metodologa para disear el experimento y
contrastar si los resultados obtenidos son razonablemente acordes con esta
hiptesis o, al contrario, si las diferencias observadas son probablemente mayores
que las derivadas del proceso de muestreo.

Asociados a otras definiciones subjetivas del concepto de probabilidad se obtienen
los desarrollos de la Estadstica Bayesiana y de la Teora de la Decisin
Estadstica, como supermodelos de la Estadstica Clsica y que, en definitiva,
tratan de construir un modelo matemtico para el comportamiento humano en
situaciones de incertidumbre.
Al utilizar un modelo matemtico, y en particular un modelo estadstico para
representar una situacin que se nos presenta en la realidad, el primer problema
que nos planteamos es el de la eficiencia del experimento diseado. En definitiva,
queremos obtener la mxima informacin posible del material estadstico
disponible y, con sta, responder a los fines del estudio con la mayor precisin y
exactitud, y todo ello con un consumo mnimo de recursos. El diseo es un
problema estadstico, de la misma forma que lo es el anlisis posterior de los
datos.
Los orgenes del planteamiento estadstico de los problemas de diseo los
encontramos: en aplicaciones agrcolas, al estudiar Fisher los modelos de Anlisis
de la Varianza en la dcada 1920-30, en el control de calidad industrial, y en los
problemas de Muestreo en Poblaciones Finitas.
En muchas situaciones es necesario estudiar relaciones interdependientes entre
distintas series de datos o entre variables. Ppara estudiar la interdependencia
entre variables aleatorias, se construye la Teora de la Correlacin, y para
investigar las relaciones de dependencia entre stas, la Teora de la Regresin,
base del desarrollo de la Econometra.
Otros Mtodos Estadsticos son el Anlisis en Componentes Principales, El
Anlisis Factorial, la Teora de las Correlaciones Cannicas y otros mtodos
multivariantes como el Anlisis discriminante , el Anlisis "Cluster", el
Reconocimiento de Formas, etc.
En los ltimos aos una parte considerable de la investigacin se ha dirigido hacia
el campo de las Series Temporales uni y multivariantes, en el dominio de las
frecuencias, utilizando mtodos espectrales, basados en el anlisis de Fourier tan
utilizado en Ingeniera en modelos deterministas, y en el dominio del tiempo,
mediante distintas tcnicas: ajustes, medias mviles, modelos Arima, etc; de esta
forma se suelen estudiar los problemas de previsin econmica, y de planificacin.

Concepto de Muestra

Una muestra de poblacin, en estadstica, es un conjunto de datos representativos
del total de una poblacin o universo.
Muestra de poblacin, seleccin de un conjunto de individuos
representativos de la totalidad del universo objeto de estudio, reunidos como
una representacin vlida y de inters para la investigacin de su comportamiento.
Los criterios que se utilizan para la seleccin de muestras
pretenden garantizar que el conjunto seleccionado represente con la mxima
fidelidad a la totalidad de la que se ha extrado, as como hacer posible
la medicin de su grado de probabilidad.
Otras definiciones altamente aceptadas, son:
Se llama muestra a una parte de la poblacin a estudiar qu sirve para
representarla.
Tipos y clasificacin de Datos Estadsticos

Los Datos Estadsticos, son aquellos que se estudian en cada elemento de la
muestra y son variables que tomaran valores dependiendo del problema.
Los datos estadsticos son lo que estudiamos en cada individuo de la muestra
son las variables (edad, sexo, peso, talla, tensin arterial sistlica, etctera). Los
datosson los valores que toma la variable en cada caso. Lo que vamos a
realizar es medir, es decir, asignar valores a las variables incluidas en el estudio.
Deberemos adems concretar la escala de medida que aplicaremos a cada
variable.
La naturaleza de las observaciones ser de gran importancia a la hora de elegir el
mtodo estadstico ms apropiado para abordar su anlisis. Con este fin,
clasificaremos a estos datos estadsticos, a grandes rasgos, en dos tipos: datos
cuantitativos o datos cualitativos.
Datos cuantitativos

Las Datos Cuantitativos son aquellos que se pueden expresar mediante valores
numricos, y se dividen en continuos (enteros y decimales) y discretos (slo
enteros):
Son las variables que puedenmedirse, cuantificarse oexpresarse
numricamente y pueden ser manipulados estadsticamente.
Incluyentabulaciones de frecuencia,porcentajes, medias y promedios. Si entre
cada dos datos puede haber una infinidad de ellos, se llamancontinuos, y si entre
un dato y otro siempre hay un hueco o salto, se llaman discretos.
Datos cuantitativos continuos: si admiten tomar cualquier valor dentro de un
rango numrico determinado, es decir, que pueden expresarse con nmeros
decimales o fraccionarios. (Densidad de un lquido, la fuerza de un muelle,
edad, peso, talla).
Datos cuantitativos discretos: si no admiten todos los valores intermedios en
un rango. Suelen tomar solamente valores enteros (Nota de un examen, nmero
de hijos, nmero de partos, nmero de hermanos, etc.).
Datos cualitativos.

Son datos que no se pueden expresar numricamente, debido a que suponen
cualidades, opiniones, sentimientos entre otros, y se dividen en nominales
(categoras que no mantiene relacin de orden) y los jerarquizados (escalas
utilizadas bajo un orden).
Datos que expresancualidades,
comoopiniones, sentimientos,observaciones ycambios en
elcomportamiento que clasifica a cada caso en una de varias categoras
(Domroese & Sterling 1999). La situacin ms sencilla es aquella en la que se
clasifica cada caso en uno de dos grupos (hombre/mujer, enfermo/sano,
fumador/no fumador).
Son datos dicotmicos o binarios. Como resulta obvio, en muchas ocasiones
este tipo de clasificacin no es suficiente y se requiere de un mayor nmero de
categoras (color de los ojos, grupo sanguneo, profesin, etctera).
En el proceso de medicin de estas variables, se pueden utilizar dos escalas:
o Escalas nominales: sta es una forma de observar o medir en la que los
datos se ajustan por categoras que no mantienen una relacin de orden
entre s (color de los ojos, sexo, profesin, presencia o ausencia de un
factor de riesgo o enfermedad, etctera).
o Escalas ordinales o jerarquizados: en las escalas utilizadas, existe un
cierto orden o jerarqua entre las categoras (grados de disnea, estadiaje de
un tumor, etctera).
Tipos y clasificacin de Variables Estadsticas
Una variable estadstica es cada una de las caractersticas o cualidades que
poseen los individuos de la poblacin que estamos interesados en estudiar. Se
pueden clasificar en funcin a la Medicin o a la influencia.
VARIABLES EN FUNCIN DE SU MEDICIN
Existen dos tipos: las variables cualitativas y las variables cuantitativas.
VARIABLE CUALITATIVA
Las variables cualitativas se refieren a caractersticas o
cualidades que no pueden ser medidas con nmeros. Podemos distinguir dos
tipos:
o Variable cualitativa nominal: presenta modalidades no
numricas que no admiten un criterio de orden.
Por ejemplo: El estado civil, con las siguientes modalidades: soltero, casado,
separado, divorciado y viudo.
o Variable cualitativa ordinal o variable
cuasicuantitativa:presenta modalidades no numricas, en las que existe
un orden.
Por ejemplo: La nota en un examen: suspenso, aprobado, notable, sobresaliente.
Puesto conseguido en una prueba deportiva: 1, 2, 3,
Medallas de una prueba deportiva: oro, plata, bronce.
La variable que tiene resultados o valores que tienden a variar de observacin
en observacin debido a los factores relacionados con el azar recibe el nombre
devariable aleatoria. Las variables aleatorias pueden ser discretas y continuas.
VARIABLE CUANTITATIVA
Una variable cuantitativa es la que se expresa mediante un nmero, por tanto
se pueden realizar operaciones aritmticas con ella. Podemos distinguir dos
tipos:
Variable discreta: Una variable discreta es aquella que toma valores
aislados, es decir no admite valores intermedios entre dos valores especficos.
Es decir, slo puede ser expresado con nmeros enteros.
Por ejemplo: El nmero de hermanos de 5 amigos: 2, 1, 0, 1, 3.
Variable continua: Una variable continua es aquella que puede
tomar valores comprendidos entre dos nmeros por lo cual tiene un nmero
infinito de valores posibles. Es decir, puede ser expresada con nmeros
decimales o fraccionarios.
Por ejemplo: La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.
En la prctica medimos la altura con dos decimales, pero tambin se podra dar
con tres decimales.
VARIABLES EN FUNCIN DE SU INFLUENCIA
VARIABLES INDEPENDIENTES
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
Son las variables de respuesta que se observan en el estudio y que podran
estarinfluenciadas por los valores de las variables independientes. Hayman la
define como propiedad o caracterstica que se trata de cambiar mediante
la manipulacinde la variable independiente. La variable dependiente es el factor
que es observado y medido para determinar el efecto de la variable independiente.
Fuentes del subtema 1.5 [22], [23], [24], [25], [25], [27], [28], [29] y

[30],







PRINCIPIO ADITIVO YMULTIPLICATIVO
UNIDAD I. TCNICAS DE CONTEO

A) CONCEPTO.

Suponga que se encuentra al final de una lnea de ensamble final de un
producto y que un supervisor le ordena contar los elementos de un lote que
se ha manufacturado hace unas horas y del que se desconoce el nmero de
productos que lo constituyen, de inmediato usted empezar a contar un
producto tras otro y al final informar al supervisor que son, 48, 54 u otro
nmero cualquiera. Ahora suponga que ese mismo supervisor le plantea la
siguiente pregunta cuntas muestras o grupos ser posible formar con los
productos del lote, si las muestras o grupos a formar son de ocho elementos
cada una de ellas?.
En el primer caso el cuantificar los elementos del lote no presenta dificultad
alguna para la persona encargada de hacerlo, pero cuando se le hace el
segundo planteamiento, al tratar de formar las muestras o grupos de ocho
elementos la persona encargada empezar a tener dificultad para hacerlo,
en casos como este es necesario hacer uso de las tcnicas de conteo para
cuantificar los elementos del evento en cuestin (el nmero de muestras
posibles a formar de ocho elementos), luego, qu son las tcnicas de conteo?

Las tcnicas de conteo son aquellas que son usadas para enumerar eventos
difciles de cuantificar.
Ejemplos en los que definitivamente haremos uso de las tcnicas de conteo
seran:
-Cuntas comisiones pro limpieza del instituto se pueden formar si hay 150
alumnos que desean ayudar en esta tarea y se desea formar comisiones de
ocho alumnos?
-Cuntas representaciones de alumnos pueden ser formadas a) si se desea
que estas consten solo de alumnos de Ingeniera Qumica?, b) se desea que el
presidente sea un qumico?, c) se desea que el presidente y tesorero sean
qumicos? Para todos los casos, se desea que las representaciones consten de
once alumnos.
-Cuntas maneras tiene una persona de seleccionar una lavadora, una
batidora y dos licuadoras, si encuentra en una tienda 8 modelos diferentes
de lavadoras, 5 modelos diferentes de batidoras y 7 modelos diferentes de
licuadoras?

Se les denomina tcnicas de conteo a: las combinaciones, permutaciones y
diagrama de rbol, las que a continuacin se explicarn y hay que destacar
que stas nos proporcionan la informacin de todas las maneras posibles en
que ocurre un evento determinado.

Las bases para entender el uso de las tcnicas de conteo son el principio
multiplicativo y el aditivo, los que a continuacin se definen y se hace uso de
ellos.

C) PRINCIPIO ADITIVO.

Si se desea llevar a efecto una actividad, la cul tiene formas alternativas
para ser realizada, donde la primera de esas alternativas puede ser realizada
de M maneras o formas, la segunda alternativa puede realizarse de N
maneras o formas ..... y la ltima de las alternativas puede ser realizada de
W maneras o formas, entonces esa actividad puede ser llevada a cabo de,

M + N + .........+ W maneras o formas

Ejemplos:
1) Una persona desea comprar una lavadora de ropa, para lo
cul ha pensado que puede seleccionar de entre las marcas
Whirpool, Easy y General Electric, cuando acude a hacer la
compra se encuentra que la lavadora de la marca W se
presenta en dos tipos de carga ( 8 u 11 kilogramos), en cuatro
colores diferentes y puede ser automtica o semiautomtica,
mientras que la lavadora de la marca E, se presenta en tres
tipos de carga (8, 11 o 15 kilogramos), en dos colores
diferentes y puede ser automtica o semiautomtica y la
lavadora de la marca GE, se presenta en solo un tipo de carga,
que es de 11 kilogramos, dos colores diferentes y solo hay
semiautomtica. Cuntas maneras tiene esta persona de
comprar una lavadora?


Solucin:

M = Nmero de maneras de seleccionar una lavadora Whirpool
N = Nmero de maneras de seleccionar una lavadora de la marca
Easy
W = Nmero de maneras de seleccionar una lavadora de la marca
General Electric


M = 2 x 4 x 2 = 16 maneras

N = 3 x 2 x 2 = 12 maneras

W = 1 x 2 x 1 = 2 maneras

M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una
lavadora

2 ) Rafael Luna desea ir a las Vegas o a Disneylandia en las prximas
vacaciones de verano, para ir a las Vegas l tiene tres medios de
transporte para ir de Chihuahua al Paso Texas y dos medios de
transporte para ir del Paso a las Vegas, mientras que para ir del paso a
Disneylandia l tiene cuatro diferentes medios de transporte, a) Cuntas
maneras diferentes tiene Rafael de ir a las Vegas o a Disneylandia?, b)
Cuntas maneras tiene Rafael de ir a las Vegas o a Disneylandia en un
viaje redondo, si no se regresa en el mismo medio de transporte en que se
fue?.



Solucin:

a) V = maneras de ir a las Vegas
D = maneras de ir a Disneylandia

V = 3 x 2 = 6 maneras

D = 3 x 4 = 12 maneras

V + D = 6 + 12 = 18 maneras de ir a las Vegas o a Disneylandia

b) V = maneras de ir y regresar a las Vegas
D = maneras de ir y regresar a Disneylandia

V = 3 x 2 x 1 x 2 = 12 maneras

D = 3 x 4 x 3 x 2 = 72 maneras

V + D = 12 + 72 = 84 maneras de ir a las Vegas o a Disneylandia
en un viaje redondo

Cmo podemos distinguir cuando hacer uso del principio
multiplicativo y cuando del aditivo?

Es muy simple, cuando se trata de una sola actividad, la cual
requiere para ser llevada a efecto de una serie de pasos, entonces
haremos uso del principio multiplicativo y si la actividad a
desarrollar o a ser efectuada tiene alternativas para ser llevada a
cabo, haremos uso del principio aditivo.
B) PRINCIPIO MULTIPLICATIVO.

Si se desea realizar una actividad que consta de r pasos, en donde el primer
paso de la actividad a realizar puede ser llevado a cabo de N
1
maneras o
formas, el segundo paso de N
2
maneras o formas y el r-simo paso de
N
r
maneras o formas, entonces esta actividad puede ser llevada a efecto de;


N
1
x N
2
x ..........x N
r
maneras o formas

El principio multiplicativo implica que cada uno de los pasos de la actividad
deben ser llevados a efecto, uno tras otro.

Ejemplos:
1) Una persona desea construir su casa, para lo cul considera
que puede construir los cimientos de su casa de cualquiera de
dos maneras (concreto o block de cemento), mientras que las
paredes las puede hacer de adobe, adobn o ladrillo, el techo
puede ser de concreto o lmina galvanizada y por ltimo los
acabados los puede realizar de una sola manera cuntas
maneras tiene esta persona de construir su casa?

Solucin:

Considerando que r = 4 pasos

N
1
= maneras de hacer cimientos = 2
N
2
= maneras de construir paredes = 3
N
3
= maneras de hacer techos = 2
N
4
= maneras de hacer acabados = 1

N
1
x N
2
x N
3
x N
4
= 2 x 3 x 2 x 1 = 12 maneras de construir la casa

El principio multiplicativo, el aditivo y las tcnicas de conteo que
posteriormente se tratarn nos proporcionan todas las maneras o
formas posibles de como se puede llevar a cabo una actividad
cualquiera.

2) Cuntas placas para automvil pueden ser diseadas si
deben constar de tres letras seguidas de cuatro nmeros, si
las letras deben ser tomadas del abecedario y los nmeros de
entre los dgitos del 0 al 9?, a. Si es posible repetir letras y
nmeros, b. No es posible repetir letras y nmeros, c. Cuntas
de las placas diseadas en el inciso b empiezan por la letra D
y empiezan por el cero, d. Cuantas de las placas diseadas en
el inciso b empiezan por la letra D seguida de la G.

Solucin:

a. Considerando 26 letras del abecedario y los dgitos del 0
al 9

26 x 26 x 26 x 10 x 10 x 10 x 10 = 75,760,000 placas para
automvil que es posible disear

b. 26 x 25 x 24 x 10 x 9 x 8 x 7 = 78,624,000 placas para
automvil

c. 1 x 25 x 24 x 1 x 9 x 8 x 7 = 302,400 placas para
automvil

d. 1 x 1 x 24 x 10 x 9 x 8 x 7 = 120,960 placas para
automvil

3) Cuntos nmeros telefnicos es posible disear, los que deben
constar de seis dgitos tomados del 0 al 9?, a. Considere que el cero no
puede ir al inicio de los nmeros y es posible repetir dgitos, b. El cero
no debe ir en la primera posicin y no es posible repetir dgitos, c.
Cuntos de los nmeros telefnicos del inciso b empiezan por el
nmero siete?, d. Cuntos de los nmeros telefnicos del inciso b
forman un nmero impar?.

Solucin:

a. 9 x 10 x 10 x 10 x 10 x 10 = 900,000 nmeros telefnicos

b. 9 x 9 x 8 x 7 x 6 x 5 = 136,080 nmeros telefnicos

c. 1 x 9 x 8 x 7 x 6 x 5 = 15,120 nmeros telefnicos

d. 8 x 8 x 7 x 6 x 5 x 5 = 67,200 nmeros telefnicos

D) PERMUTACIONES.

Para entender lo que son las permutaciones es necesario definir lo
que es una combinacin y lo que es una permutacin para
establecer su diferencia y de esta manera entender claramente
cuando es posible utilizar una combinacin y cuando utilizar una
permutacin al momento de querer cuantificar los elementos de
algn evento.


COMBINACIN Y PERMUTACION.

COMBINACIN:
Es todo arreglo de elementos en donde no nos interesa el lugar o posicin
que ocupa cada uno de los elementos que constituyen dicho arreglo.

PERMUTACIN:
Es todo arreglo de elementos en donde nos interesa el lugar o posicin que
ocupa cada uno de los elementos que constituyen dicho arreglo.

Para ver de una manera objetiva la diferencia entre una combinacin
y una permutacin, plantearemos cierta situacin.

Suponga que un saln de clase est constituido por 35 alumnos. a)
El maestro desea que tres de los alumnos lo ayuden en actividades
tales como mantener el aula limpia o entregar material a los
alumnos cuando as sea necesario.

b) El maestro desea que se nombre a los representantes del saln
(Presidente, Secretario y Tesorero).

Solucin:
a) Suponga que por unanimidad se ha elegido a Daniel, Arturo y
a Rafael para limpiar el aula o entregar material, (aunque
pudieron haberse seleccionado a Rafael, Daniel y a Enrique, o
pudo haberse formado cualquier grupo de tres personas para
realizar las actividades mencionadas anteriormente).
Es importante el orden como se selecciona a los elementos que
forma el grupo de tres personas?
Reflexionando al respecto nos damos cuenta de que el orden en
este caso no tiene importancia, ya que lo nico que nos
interesara es el contenido de cada grupo, dicho de otra forma,
quines estn en el grupo? Por tanto, este ejemplo es una
combinacin, quiere decir esto que las combinaciones nos
permiten formar grupos o muestras de elementos en donde lo
nico que nos interesa es el contenido de los mismos.

b) Suponga que se han nombrado como representantes del
saln a Daniel como Presidente, a Arturo como secretario y a
Rafael como tesorero, pero resulta que a alguien se le ocurre
hacer algunos cambios, los que se muestran a continuacin:



CAMBIOS
PRESIDENTE: Daniel Arturo Rafael Daniel
SECRETARIO: Arturo Daniel Daniel Rafael
TESORERO: Rafael Rafael Arturo Arturo

Ahora tenemos cuatro arreglos, se trata de la misma
representacin?

Creo que la respuesta sera no, ya que el cambio de funcin que
se hace a los integrantes de la representacin original hace que
definitivamente cada una de las representaciones trabaje de
manera diferente, importa el orden de los elementos en los
arreglos?. La respuesta definitivamente sera s, luego entonces
las representaciones antes definidas son diferentes ya que el
orden o la forma en que se asignan las funciones s importa, por
lo tanto es este caso estamos tratando con permutaciones.

A continuacin obtendremos las frmulas de permutaciones y de
combinaciones, pero antes hay que definir lo que es n! (ene factorial), ya
que est involucrado en las frmulas que se obtendrn y usarn para la
resolucin de problemas.

n!= al producto desde la unidad hasta el valor que ostenta n.
n!= 1 x 2 x 3 x 4 x...........x n

Ejem.
10!=1 x 2 x 3 x 4 x.........x 10=3,628,800
8!= 1 x 2 x 3 x 4 x.........x 8=40,320
6!=1 x 2 x 3 x 4 x..........x 6=720, etc., etc.

Obtencin de frmula de permutaciones.
Para hacer esto, partiremos de un ejemplo.
Cuntas maneras hay de asignar los cuatro primeros lugares de
un concurso de creatividad que se verifica en las instalaciones
de nuestro instituto, si hay 14 participantes?

Solucin:
Haciendo uso del principio multiplicativo,

14x13x12x11 = 24,024 maneras de asignar los primeros tres
lugares del concurso

Esta solucin se debe, a que al momento de asignar el primer
lugar tenemos a 14 posibles candidatos, una vez asignado ese
lugar nos quedan 13 posibles candidatos para el segundo lugar,
luego tendramos 12 candidatos posibles para el tercer lugar y
por ltimo tendramos 11 candidatos posibles para el cuarto
lugar.

Luego si n es el total de participantes en el concurso y r es el
nmero de participantes que van a ser premiados, y partiendo de
la expresin anterior, entonces.


14x13x12x11= n x (n - 1) x (n - 2) x .......... x (n r + 1)

si la expresin anterior es multiplicada por (n r)! / (n r)!,
entonces

= n x (n 1 ) x (n 2) x ......... x (n r + 1) (n r)! / (n r)!

= n!/ (n r)!

Por tanto, la frmula de permutaciones de r objetos tomados de
entre n objetos es:





Esta frmula nos permitir obtener todos aquellos arreglos en
donde el orden es importante y solo se usen parte (r) de los n
objetos con que se cuenta, adems hay que hacer notar que no se
pueden repetir objetos dentro del arreglo, esto es, los n objetos son
todos diferentes.

Entonces, qu frmula hay que usar para arreglos en donde se
utilicen los n objetos con que se cuenta?
Si en la frmula anterior se sustituye n en lugar de r, entonces.


nPn= n!/ (n n)! = n! / 0! = n! / 1 = n!

Como 0! = 1 de acuerdo a demostracin matemtica, entonces


nPn=n!

Ejemplos:
1) Cuantas representaciones diferentes sern posibles formar,
si se desea que consten de Presidente, Secretario, Tesorero,
Primer Vocal y Segundo Vocal?, s esta representacin puede
ser formada de entre 25 miembros del sindicato de una
pequea empresa.

Solucin:

Por principio multiplicativo:

25 x 24 x 23 x 22 x 21 = 6,375,600 maneras de formar una
representacin de ese sindicato que conste de presidente,
secretario, etc., etc.


Por Frmula:


n = 25, r = 5

25
P
5
=25!/ (25 5)! = 25! / 20! = (25 x 24 x 23 x 22 x 21 x....x 1) / (20 x
19 x 18 x ... x 1)=
= 6,375,600 maneras de formar la representacin


2) a. Cuntas maneras diferentes hay de asignar las posiciones de
salida de 8 autos que participan en una carrera de frmula uno?
(Considere que las posiciones de salida de los autos participantes
en la carrera son dadas totalmente al azar) b. Cuntas maneras
diferentes hay de asignar los primeros tres premios de esta carrera
de frmula uno?

Solucin:

a. Por principio multiplicativo:

8 x 7 x 6 x 5 x 4 x 3 x 2 x 1= 40,320 maneras de asignar las
posiciones de salida de los autos participantes en la carrera

Por Frmula:

n = 8, r = 8

8
P
8
= 8! = 8 x 7 x 6 x 5 x 4 x......x 1= 40,320 maneras de asignar las
posiciones de salida ......etc., etc.


b. Por principio multiplicativo:

8 x 7 x 6 = 336 maneras de asignar los tres primeros lugares de la
carrera


Por frmula:

n =8, r = 3

8
P
3
= 8! / (8 3)! = 8! / 5! = (8 x 7 x 6 x 5 x ........x1)/ (5 x 4 x 3 x......x1) =
336 maneras de asignar los tres primeros lugares de la carrera


3) Cuntos puntos de tres coordenadas ( x, y, z ), ser posible
generar con los dgitos 0, 1, 2, 4, 6 y 9?, Si, a. No es posible
repetir dgitos, b. Es posible repetir dgitos.

Solucin:

a. Por frmula
n = 6, r = 3


6
P
3
= 6! / (6 3)! = 6! / 3! = 6 x 5 x 4 x 3! / 3! = 6 x 5 x 4 = 120 puntos
posibles

Nota: este inciso tambin puede ser resuelto por el principio
multiplicativo

b. Por el principio multiplicativo

6 x 6 x 6 = 216 puntos posibles

Cul es la razn por la cul no se utiliza en este caso la frmula?. No es
utilizada debido a que la frmula de permutaciones slo se usa cuando los
objetos no se repiten, esto quiere decir que en el inciso a. Los puntos
generados siempre van a tener coordenadas cuyos valores son diferentes
ejem. (1, 2, 4), (2, 4, 6), (0, 4, 9), etc. etc., mientras que los puntos generados
en el inciso b. Las coordenadas de los puntos pueden tener valores diferentes
o repeticiones de algunos valores o pueden tener todas las coordenadas un
mismo valor ejem. (1, 2, 4), (1, 2, 2), (1, 1, 1), etc., etc.


4) a. Cuntas maneras hay de asignar las 5 posiciones de
juego de un equipo de bsquetbol, si el equipo consta de 12
integrantes?, b. Cuntas maneras hay de asignar las
posiciones de juego si una de ellas solo puede ser ocupada
por Uriel Jos Esparza?, c. Cuntas maneras hay de que se
ocupen las posiciones de juego si es necesario que en una de
ellas este Uriel Jos Esparza y en otra Omar Luna?


Solucin:

a. Por frmula:

n = 12, r = 5


12
P
5
= 12! / (12 5 )! = 12 x 11 x 10 x 9 x 8 = 95,040 maneras
de asignar las cinco posiciones de juego


a. Por principio multiplicativo:

1 x 11 x 10 x 9 x 8 =7,920 maneras de asignar las posiciones
de juego


Por frmula:

1 x
11
P
4
= 1 x 11! / (11 4)! = 11! / 7! = 11 x 10 x 9 x 8 = 7,920
maneras de asignar las posiciones de juego con Uriel Jos
en una determinada posicin


a. Por principio multiplicativo

1 x 1 x 10 x 9 x 8 = 720 maneras de ocupar las diferentes
posiciones de juego


Por frmula:

1 x 1 x
10
P
3
= 1 x 1 x 10! / (10 3)! = 10! / 7! = 10 x 9 x 8 = 720
maneras de ocupar las posiciones de juego con Uriel Jos y
Omar Luna en posiciones previamente definidas

5) Cuntas claves de acceso a una computadora ser posible
disear, si debe constar de dos letras, seguidas de cinco
dgitos, las letras sern tomadas del abecedario y los nmeros
de entre los dgitos del 0 al 9. a. Considere que se pueden
repetir letras y nmeros, b. Considere que no se pueden
repetir letras y nmeros, c. Cuntas de las claves del inciso b
empiezan por la letra A y terminan por el nmero 6?, d.
Cuntas de las claves del inciso b tienen la letra R seguida de
la L y terminan por un nmero impar?


Solucin:

a. Por principio multiplicativo:


26 x 26 x 10 x 10 x 10 x 10 x 10 = 67,600,000 claves de
acceso

Por frmula:


26
P
2
x
10
P
5
= 26 x 25 x 10 x 9 x 8 x 7 x 6=19,656,000 claves de
acceso

a. Por frmula:


1 x
25
P
1
x
9
P
4
x 1 = 1 x 25 x 9 x 8 x 7 x 6 x 1 = 75,600 claves
de acceso que empiezan por la letra A y terminan por el
nmero 6


b. Por frmula:


1 x 1 x
9
P
4
x 5 = 1 x 1 x 9 x 8 x 7 x 6 x 5 =15,120 claves de
acceso que tienen la letra R seguida de la L y terminan por
un nmero impar.

G) COMBINACIONES.

Como ya se mencion anteriormente, una combinacin, es un arreglo de
elementos en donde no nos interesa el lugar o posicin que ocupan los
mismos dentro del arreglo. En una combinacin nos interesa formar grupos
y el contenido de los mismos.

La frmula para determinar el nmero de combinaciones es:



n
C
r
= Combinaciones de r objetos tomados de entre n objetos

Donde se observa que,


La expresin anterior nos explica como las combinaciones
de r objetos tomados de entre n objetos pueden ser obtenidas a partir de las
permutaciones de r objetos tomados de entre n objetos, esto se debe a que
como en las combinaciones no nos importa el orden de los objetos, entonces
si tenemos las permutaciones de esos objetos al dividirlas entre r!, les
estamos quitando el orden y por tanto transformndolas en combinaciones,
de otra forma, tambin si deseamos calcular permutaciones y tenemos las
combinaciones, simplemente con multiplicar estas por el r! obtendremos las
permutaciones requeridas.



n
P
r
=
n
C
r
r!

Y si deseamos r = n entonces;


n
C
n
= n! / (n n)!n! = n! / 0!n! = 1

Qu nos indica lo anterior?
Que cuando se desea formar grupos con la misma cantidad de elementos con
que se cuenta solo es posible formar un grupo.

Ejemplos:
1) a. Si se cuenta con 14 alumnos que desean colaborar en una campaa
pro limpieza del Tec, cuantos grupos de limpieza podrn formarse si
se desea que consten de 5 alumnos cada uno de ellos, b.si entre los 14
alumnos hay 8 mujeres, cuantos de los grupos de limpieza tendrn a
3 mujeres?, c.cuntos de los grupos de limpieza contarn con 4
hombres por lo menos?

Solucin:
a. n = 14, r = 5

14
C
5
= 14! / (14 5 )!5! = 14! / 9!5!
= 14 x 13 x 12 x 11 x 10 x 9!/ 9!5!
= 2002 grupos

Entre los 2002 grupos de limpieza hay grupos que contienen solo hombres,
grupos que contienen solo mujeres y grupos mixtos, con hombres y mujeres.

b. n = 14 (8 mujeres y 6 hombres), r = 5

En este caso nos interesan aquellos grupos que contengan 3 mujeres y 2 hombres

8
C
3
*
6
C
2
= (8! / (8 3)!3!)*(6! / (6 2)!2!)
= (8! / 5!3!)*(6! / 4!2!)
= 8 x7 x 6 x 5 /2!
= 840 grupos con 3 mujeres y 2 hombres, puesto
que cada grupo debe constar de 5 personas


c. En este caso nos interesan grupos en donde haya 4 hombres o ms

Los grupos de inters son = grupos con 4 hombres + grupos con 5 hombres
=
6
C
4
*
8
C
1
+
6
C
5
*
8
C
0
= 15 x 8 + 6 x 1 = 120 + 6
= 126

2) Para contestar un examen un alumno debe contestar 9 de 12
preguntas, a.Cuntas maneras tiene el alumno de seleccionar las 9
preguntas?, b.Cuntas maneras tiene si forzosamente debe contestar
las 2 primeras preguntas?, c.Cuntas maneras tiene si debe
contestar una de las 3 primeras preguntas?, d.Cuntas maneras tiene
si debe contestar como mximo una de las 3 primeras preguntas?

Solucin:

a. n = 12, r = 9


12
C
9
= 12! / (12 9)!9!
= 12! / 3!9! = 12 x 11 x 10 / 3!
= 220 maneras de seleccionar las nueve preguntas o dicho
de otra manera,
el alumno puede seleccionar cualquiera de 220
grupos de 9 preguntas para contestar el examen

b.
2
C
2
*
10
C
7
= 1 x 120 = 120 maneras de seleccionar las 9 preguntas entre
las que estn las dos primeras preguntas

c.
3
C
1
*
9
C
8
= 3 x 9 = 27 maneras de seleccionar la 9 preguntas entre las
que est una de las tres primeras preguntas

d. En este caso debe seleccionar 0 o 1 de las tres primeras preguntas


3
C
0
*
9
C
9
+
3
C
1
*
9
C
8
= (1 x 1) + (3 x 9) = 1 + 27 = 28 maneras de
seleccionar las preguntas a contestar

3) Una seora desea invitar a cenar a 5 de 11 amigos que tiene, a.
Cuntas maneras tiene de invitarlos?, b. cuntas maneras tiene si
entre ellos est una pareja de recin casados y no asisten el uno sin el
otro, c. Cuntas maneras tiene de invitarlos si Rafael y Arturo no se
llevan bien y no van juntos?

Solucin:
a. n = 11, r = 5


11
C
5
= 11! / (11 5 )!5! = 11! / 6!5!
= 11 x 10 x 9 x 8 x 7 x 6! / 6!5!
= 462 maneras de invitarlos

Es decir que se pueden formar 462 grupos de cinco personas para ser
invitadas a cenar.


b. Esta seora tiene dos alternativas para hacer la invitacin, la primera
es no invitar a la pareja y la segunda es invitar a la pareja.

2
C
0
*
9
C
5
+
2
C
2
*
9
C
3
= (1 x 126) + (1 x 84) = 210 maneras de invitarlos

En este caso separamos a la pareja de los dems invitados para que
efectivamente se cumpla el que no asistan o que asistan a la cena.

c.La seora tiene dos alternativas para hacer la invitacin, una de ellas
es que no invitar a Rafael y a Arturo o que asista solo uno de ellos.


2
C
0
*
9
C
5
+
2
C
1
*
9
C
4
= (1 x 126) + (2 x 126) = 126 + 252 = 378
maneras de hacer la invitacin

4) En un plano hay 10 puntos denominados A, B, C, ....,etc. etc., en una
misma lnea no hay ms de dos puntos, a. Cuntas lneas pueden ser
trazadas a partir de los puntos?, b. Cuntas de las lneas no pasan
por los puntos A o B?, c. Cuntos tringulos pueden ser trazados a
partir de los puntos?, d. Cuntos de los tringulos contienen el punto
A?, e. Cuntos de los tringulos tienen el lado AB?.

Solucin:

a. En la redaccin del problema se aclara que en una misma lnea
no hay ms de dos puntos debido a que si lo anterior ocurriera
no se podra dar contestacin a las preguntas que se hacen.

Una lnea puede ser trazada a partir de cmo mnimo dos puntos
por lo tanto,


10
C
2
= 10! / (10 2)!2! = 10! / 8!2! = 45 lneas que se pueden
trazar

b. En este caso excluiremos los puntos A y B y a partir de los ocho
puntos restantes se obtendrn las lneas.


2
C
0
*
8
C
2
= 1 x 28 = 28 lneas que no pasan por los puntos A o B

c. Un tringulo puede ser trazado a partir de tres puntos, luego;

10
C
3
= 10! / (10 3)!3! = 10! / 7!3! = 120 tringulos posibles de
trazar

d. En este caso se separa el punto A de los dems, se selecciona
y posteriormente tambin se seleccionan dos puntos ms.

1
C
1
*
9
C
2
= 1 x 36 = 36 tringulos que contienen el punto A

e. Los puntos A y B forman parte de los tringulos a trazar por lo
que;

2
C
2
*
8
C
1
= 1 X 8 = 8 tringulos que contienen el lado AB

a) CONCEPTO.

Qu es la estadstica descriptiva o para qu nos sirve?
Cuando necesitamos analizar un proceso cualquiera, es necesario tomar una
muestra de datos del proceso en cuestin y a partir de los mismos obtener
sus caractersticas tales como la media, la mediana, la moda, la desviacin
estndar, el rango, etc., tambin es necesario saber el tipo de distribucin de
probabilidad que tiene, as como tambin es necesario visualizar de forma
objetiva el comportamiento de los datos al ser graficados de diversas formas,
todo lo anterior es posible gracias a la estadstica descriptiva.
Qu es una muestra? Es una parte de los datos del proceso que se desea
analizar, la cul debe de ser representativa del proceso en cuanto al nmero
de elementos que contiene y en cuanto a lo que est ocurriendo en el proceso,
esto ltimo se logra tomando cada uno de los elementos de la muestra de
forma aleatoria o totalmente al azar; para determinar el nmero de
elementos idneo en la muestra se hace uso de la inferencia estadstica, por
el momento no nos ocuparemos de ello debido a que esto se ve con detalle en
cursos ms avanzados de estadstica.


Tcnicas de conteo.
Cuando en un experimento, el nmero de resultados posibles es pequeo, es relativamente
facil de listar y contar todos los posibles resultados.
Por Ejemplo; Al tirar un dado, hay seis posibles resultados.

Sin embargo, cuando hay un gran nmero de posibles resultados tales como el nmero de
nios y nias por familias con cinco hijos, sera tedioso listar y contar todas las
posibilidades.
Las posibilidades seran, 5 nios, 4 nios y 1 nia, 3 nios y 2 nias, 2 nios y 3 nias, etc.
Para facilitar el conteo utilizaremos algunas tcnicas, tales como: Las tcnica de la
adicin, la de la multiplicacin, adems de la permutacin, y la combinacin.

1.1 Principio aditivo.
Si se desea llevar a efecto una actividad, la cul tiene formas alternativas para ser realizada,
donde la primera de esas alternativas puede ser realizada de M maneras o formas, la segunda
alternativa puede realizarse de N maneras o formas .. y la ltima de las alternativas puede
ser realizada de W maneras o formas, entonces esa actividad puede ser llevada a cabo de:

M + N + + W maneras o formas

1.2 Principio multiplicativo.
Si hay m formas de hacer una cosa y hay n formas de hacer otra cosa, hay m x n formas da
hacer ambas cosas

Utilizando una frmula: Nmero total de arreglos = m x n

Esto puede ser extendido a ms de 2 eventos, para 3 eventos, m, n, y o: Nm. total de
arreglos = m x n x o

Ejemplo: Un vendedor de autos desea mostrar a sus clientes todas las diferentes opciones
con que cuenta, auto convertible, auto de 2 puertas y auto de 4 puertas, cualquiera de ellos
con rines deportivos o estndar.

Cuntos diferentes arreglos de autos y rines puede ofrecer el vendedor?

Para solucionar el problema podemos emplear la tcnica de la multiplicacin, (donde m es
nmero de modelos y n es el nmero de tipos de rin).

Nmero total de arreglos = 3 x 2 = 6