Mdulo 1

1 ESTADISTICA: DEFINICIN

Definicin: Es el conjunto de mtodos y tcnicas que permiten determinar, de una

muestra debidamente representativa de una poblacin, los valores estadsticos, a fin
de poder inferir sobre los parmetros poblacionales con un cierto grado de bondad"
Esta definicin comprende tanto a la estadstica descriptiva como a la estadstica
inferencial. Mark Berenson y David Levine1, definen Estadstica descriptiva como El
conjunto de mtodos que incluyen la recoleccin, presentacin y caracterizacin de un
conjunto de datos con el fin de describir apropiadamente sus caractersticas.
Mientras que a la estadstica inferencial la definen como Conjunto de mtodos que hacen
posible la estimacin de una caracterstica de la poblacin o la toma de una decisin referente
a una poblacin basndose solo en los resultados de una muestra.

1.1 POBLACIN:
Definicin: El conjunto de datos cuantificable pertenecientes al sistema en estudio constituye
la poblacin."

1.2 MUESTRA:
el anlisis se efecta por medio de una muestra que est constituida por una parte de
todos los valores poblacionales.
Definicin: Una muestra estar constituida por un subconjunto de la poblacin."

MUESTRA DEBIDAMENTE REPRESENTATIVA

Definicin: Una muestra se dice que es debidamente representativa de una poblacin cuando
presenta sus mismas caractersticas.

1.3. VALORES ESTADSTICOS

El estudio realizado sobre una muestra nos permite determinar valores cuyas caractersticas nos
referiremos ms adelante y a los cuales se los denomina estimadores pudiendo tambin tomar el
nombre de valores estadsticos, mediante los cuales se podr efectuar una correcta estimacin
sobre los valores de la poblacin.

1.4. PARMETROS
Definicin: Los valores en estudio, que en la muestra toman el nombre de
Estadsticos, en la poblacin se los denominan Parmetros.
Definicin: Se define como bondad al margen de seguridad con que se realiza la inferencia de
acuerdo a los estudios realizados sobre la o las muestras.
2 VARIABLE
2.1 TIPO DE VARIABLE

Discretos: Se dice que un valor es discreto cuando es el resultado de un conteo.

Continuos: Se dice que una variable es del tipo continuo cuando asume valores dentro de
un intervalo de nmeros reales.
Es decir en definitiva, cuando el valor del dato u observacin se mide en un intervalo, decimos que
es del tipo continuo

Jerarquizados: Este tipo de dato se presenta cuando es necesario otorgarle a la variable una cierta
jerarqua de orden.

2.2. VALORES ESTADSTICOS

Todos los valores que se determinan en la muestra se denominan estadsticos, mientras que los
valores propios de la poblacin se denominan parmetros. Adems los valores estadsticos se
pueden clasificar de acuerdo a sus caractersticas de la siguiente manera:

SERIE SIMPLE
Con todos los valores que adopta la variable en estudio se genera una distribucin, denominada
Distribucin de la Variable en estudio

2-3. MEDIA
Se define como media aritmtica o promedio de una distribucin al cociente entre la suma de
todas las observaciones dividido el nmero total de ellas:

la media poblacional se define como:

Mientras que en la muestra el estadstico _

El siguiente diagrama representa la analoga entre la media poblacional para una poblacin y la
media muestral para una muestra:
2.4. MEDIANA
Se define como Mediana de una distribucin, al valor que ocupa el punto medio de la
distribucin
Ocupar el punto medio de la distribucin implica que la mediana deja a la izquierda la misma
cantidad de valores que a la derecha. Todos los valores que se encuentran a la izquierda son
menores o eventualmente iguales a l, mientras que los valores que se ubican a la derecha sern
mayores o eventualmente iguales a l.

2.5. MODA
Se define como Moda de una distribucin al valor que ms veces se repite.

Con respecto a este valor es necesario aclarar que si en una distribucin se tiene ms de
un valor con el mismo mximo de repeticiones, cada uno de ellos se constituir en una
nueva moda, es decir que una distribucin puede tener ms de una moda. En caso de
tener dos modas se la denomina bimodal y en caso de tres trimodal, etc.
As mismo si se presentare el caso en que todos los valores de la distribucin tienen el mismo
nmero de repeticiones, diremos que dicha distribucin no tiene moda.

FRECUENCIA

Dada una distribucin se define como Frecuencia de un valor, al nmero de veces que el mismo se
repite.

2.6. DISTRIBUCIN DE FRECUENCIA

En la mayora de los casos nos encontraremos con una cantidad de observaciones n que
superan los 20, por lo tanto pretender operar con una serie simple se tornara engorroso,
en estos casos ser conveniente seleccionar los valores de acuerdo a una determinada
clase y determinar de cada una de ellas su frecuencia, de all que es comn encontrar a
este tipo de distribucin como Distribucin de intervalos, a los efectos de facilitar el
aprendizaje del alumno subdividiremos este tipo de distribucin en dos grupos:
1) cuando la amplitud de intervalo es igual a 1
2) cuando la amplitud del intervalo de clase toma un valor mayor a 1

2.7. FRECUENCIA RELATIVA

Definicin: Se define como frecuencia relativa de un valor y se expresa como fri, al cociente entre
su frecuencia y la suma de todas las frecuencias (la suma de todas las frecuencias es igual al
nmero de elementos de la distribucin).

Propiedad:
La sumas de todas las frecuencias relativas correspondientes a los valores clases de una
distribucin es igual a :
Tener en cuenta:
El concepto de frecuencia relativa, la media de una distribucin poblacional tambin se puede
expresar como:

2.8 FRECUENCIA ACUMULADA

Se define como frecuencia acumulada de una clase (por ejemplo i) y se la denota como fai, a la
suma de su frecuencia y la suma de las frecuencias de los valores que le anteceden.

Cules son las bondades que nos brinda la frecuencia acumulada:

a) Nos indica con su lectura el nmero de valores pertenecientes a la distribucin que se
ubican a la izquierda de cada uno de ellos.
b) Tambin nos permite determinar rpidamente el valor de la mediana.

2.9 FRECUENCIA DESACUMULADA

Se define como frecuencia desacumulada de un valor, fds de una distribucin, a la diferencia entre
el nmero total de observaciones y su frecuencia acumulada.

Es decir que para un valor cualquiera se verifica que:

DISTRIBUCIN DE FRECUENCIAS PARA DATOS NOMINALES

no tiene sentido determinar el valor de la media de la distribucin, tngase en cuenta que las clases
estn dadas por los distintos tipos de bebidas, luego tiene sentido decir que la ms vendidas son las
bebidas de limn, siguindole en

3-0 DIAGRAMAS
El poder graficar los valores estadsticos nos permite realizar una lectura rpida de la distribucin y
sacar conclusiones inmediatas de la misma.

3.1 Diagrama de bastones:

Llevaremos en el eje de las abscisas las calificaciones y en el eje de las ordenadas las frecuencias y
representamos mediante un segmento centrado en cada una de las calificaciones su
correspondiente frecuencia
3.2 DIAGRAMA DE SECTORES
Para este grfico debemos tener presente que el ngulo central del crculo es de 360 y que cada
una de las clases estar dada por un sector cuyo ngulo ser proporcional a su frecuencia

3.2-HISTOGRAMA DE FRECUENCIAS:
ste es otro de los diagramas de gran utilizacin para el cual es necesario considerar un sistema de
ejes cartesianos ortogonales, debiendo representar en el eje de las abscisas las calificaciones y en
el de las ordenadas la frecuencia, las clases estn dadas por las calificaciones. El intervalo entre dos
clases sucesivas se denomina amplitud de intervalo,

3.4 - POLGONO DE FRECUENCIAS

Si se unen los puntos medios superiores de cada una de las barras del histograma y se considera
cero las frecuencias de las clases adyacentes a los extremos de la distribucin, se formar con el eje
de las abscisas un polgono denominado, en este caso, como Polgono de Frecuencias

3.5 - HISTOGRAMA DE FRECUENCIAS RELATIVAS

Si en el eje de ordenadas se representan a las frecuencia relativas en lugar de las
frecuencias, se obtiene el Histograma de Frecuencias Relativas que tendr las mismas
caractersticas que el diagrama de frecuencias ya que fri = fi / N, es decir que se divide a
los valores de la ordenada por un valor constante N y por lo tanto grficamente representa
un cambio de escalas.
En este caso la altura de cada barra esta dada por la densidad de frecuencia relativa

De tal manera que el rea encerrada por el Histograma de frecuencias relativas ser
ahora igual a la suma de todas las frecuencias relativas y por tal razn igual a 1

3.6 POLGONO DE FRECUENCIAS RELATIVAS

De la misma manera en que definimos al polgono de frecuencias, se define tambin al polgono de
frecuencias relativas. Tanto la superficie encerrada por el polgono de frecuencias relativas como el
del Histograma de esas mismas frecuencias son iguales a 1.

3.7 FRECUENCIA ACUMULADA

Para confeccionar el grfico de frecuencias acumuladas llevaremos sobre el eje de las abscisas los
valores observados y en el eje de las ordenadas las frecuencias acumuladas.

RELACIN ENTRE MEDIA, MEDIANA Y MODA

Cuando nos referimos al histograma de frecuencias relativas decamos que el rea encerrada por
cada una de las barras nos entregaba el valor de la frecuencia relativa del valor correspondiente a
dicha barra... Si este concepto lo extendemos a toda la distribucin podemos asegurar que
considerando un determinado intervalo de las observaciones el rea encerrada por el histograma
en dicho intervalo ser igual a su frecuencia relativa, valor que segn ya vimos multiplicada por 100
nos entrega el porcentaje de observaciones comprendidas en ese intervalo. Adems demostramos
que la superficie encerrada por el histograma de frecuencias relativas era igual a la superficie del
polgono de fr. Simplificando, el rea encerrada por el polgono de frecuencias relativa es igual a 1 y
esto implica tambin que encierra el 100% de las observaciones.

Una distribucin puede ser:

3.8 DISTRIBUCIN DE INTERVALOS DE CLASE

En casos como el presentado, donde el nmero de observaciones es mayor a 20 y la
variable en estudio es del tipo continua, se hace necesario definir como clases a intervalos
y determinar como frecuencia de cada uno de ellos al nmero de observaciones que
contienen. En este caso la distribucin toma el nombre de distribucin de intervalos de
clase.
Para generar una distribucin de intervalos de clase debe tener en cuenta:
a) La cantidad de intervalos: La determinacin del nmero de intervalos, a los que llamaremos
como k est relacionada con el nmero de observaciones n. Mientras que algunos operadores
definen:

b) La amplitud de intervalo x para la cual adoptaremos la expresin:

c) No puede haber un intervalo con frecuencia cero, si esa situacin se presentare, ser
necesario modificar la cantidad de intervalos o la amplitud de intervalo.

d) Al definir los lmites de los intervalos debe tenerse en cuenta la posibilidad que uno de
ellos puede ser cerrado y el otro abierto:

e) Es conveniente que todos los intervalos tengan el mismo tamao y cuando esto no sea
posible, los intervalos de diferente amplitud deben ubicarse en los extremos

f) No es conveniente que las observaciones coincidan con los lmites de los intervalos, de esta
manera desaparece la duda en cuanto a la pertenencia de una observacin a un intervalo o a su
adyacente.
3.9 DETERMINACIN DE LA MEDIA
Para determinar la media de la distribucin consideramos que todos los valores pertenecientes a
cada intervalo estn uniformemente distribuidos en dicho intervalo, de esta manera la suma de
todos ellos estar dada por el producto entre la marca de clase por la frecuencia de ese intervalo.

HISTOGRAMA DE FRECUENCIA

Para confeccionar el Histograma y Polgono de frecuencias debemos tener presente que las
frecuencias de los intervalos adyacentes a los extremos de nuestra distribucin son nulas, adems
se representa en el eje horizontal las marcas de clase.

3.10 DETERMINACIN DE LA MEDIANA

La mediana tendr que estar ubicada en el intervalo cuya menor frecuencia acumulada contiene a
la observacin X (n/2), es por lo tanto conveniente determinar las columnas que contengan a las
frecuencias acumuladas y desacumuladas.

a) Mtodo grfico

b) Mtodo Analtico

3.11- DETERMINACIN DE LA MODA

Se define como intervalo modal al intervalo de mayor frecuencia, en este caso corresponder a
[3,69; 3,99) con frecuencia 6, coincide con el medial, pero bien podra no coincidir, para la
determinacin de la moda, consideremos en el histograma de frecuencia, el intervalo modal y los
intervalos adyacentes.

Si definimos a d1 = (frecuencia del intervalo modal) (frecuencia del intervalo que le

antecede):
di = 6-4 = 2
Y como d2 = (frecuencia del intervalo modal) (menos la frecuencia del intervalo que le
sucede):
d2 = 6-5 = 1
Como li se define al inicio del intervalo modal (3,69), el valor de la moda de una distribucin de
intervalos de clase esta dada por la expresin:

Mo = Li + x. ( d1/(d1+d2) )

Conclusiones:
En una distribucin de intervalos de clase, la moda se encuentra siempre ubicada en el intervalo
modal, pero desplazada hacia el intervalo adyacente de mayor frecuencia.

4- VALORES DE DISPERSIN
Tenemos tres distribuciones que presenten la misma media, la misma moda y la misma mediana
pero no obstante ello las tres son distintas.

Es necesario entonces considerar valores que nos determinen cuan dispersos estn. Estos valores
se denominan valores de dispersin:

4.1 RANGO O AMPLITUD

Definicin
La diferencia entre los valores extremos de una distribucin se denomina Alcance o
Rango y se lo denota como R

el Rango o Amplitud de una distribucin nos entrega una informacin limitada.

4.2 DESVO MEDIO

Para determinar el grado de dispersin de los valores de la distribucin, debemos definir con
respecto a qu punto de referencia se toman las distancias, el punto de referencia ms utilizado es
la media de la de la distribucin

la suma de todos los desvos es nula y siempre lo sern por considerar como punto de
referencia a la media. Todas las distancias de las marcas de clase que se ubiquen a la
izquierda de la media sern negativas, mientras que las distancias de los que se ubiquen a
la derecha sern positivas. El problema radica en anular los signos negativos, para ello
podemos:
a) considerar los desvos absolutos medios, de esta manera no se tendra ningn desvo negativo y
la suma de los desvos absolutos medios sera distinta de cero, salvo el caso en que todas las
observaciones sean iguales. La expresin matemtica quedara como:

Esta expresin se define como Desvo medio (Promedio de los desvos absolutos medios).

4.3 VARIANZA
Otra forma de obtener todos los desvos positivos, sera elevndolos al cuadrado es decir:

Esta expresin que definimos como: el promedio de los desvos cuadrticos medios y
se denomina Varianza.

4.4 DESVIACIN ESTANDAR

La Varianza es un valor que determina un cierto grado de dispersin, pero en relacin a lo que
nosotros buscbamos, nos encontramos con que no tenemos el promedio de los desvos medios, si
no que contamos con el promedio de los desvos cuadrticos medios. Una aproximacin estara
obteniendo la raz cuadrada de la varianza:
Definimos a la desviacin estndar como la raz cuadrada de la varianza y prcticamente
entrega el grado de dispersin de los valores de una distribucin con respecto a la media.
Para dos distribuciones con la misma media, tendr ms dispersin aquella que tiene una mayor
desviacin estndar

4.4 COEFICIENTE DE VARIACIN

En muchas oportunidades es conveniente comparar distribuciones de distinta media o de distinto
tipo

sera incorrecto pretender comparar las dispersiones de esas distribuciones, a fin de poder
comparar se opera con el Coeficiente de Variacin, que est dado por el cociente entre el
desviacin estndar de la distribucin y su media, expresada de manera porcentual:

Como tanto la desviacin estndar y la media tienen las mismas unidades, al dividirlas se
simplifican y nos queda un coeficiente, es adimensional. Por otra parte el CV entrega la proporcin
de la desviacin estndar respecto de la media.

4.5 CUARTILES Y PERCENTILES

En muchas ocasiones es necesario contar con una subdivisin de los datos en
determinadas fracciones, llamados en de manera general como fractiles. De esta manera
una fraccin o proporcin de datos caen en un fractil o por debajo de ste. De acuerdo al
nmero de subdivisiones los fractiles toman un nombre determinado, as estas pueden ser:
a) en 10 partes. En este caso cada una de esas partes toman el nombre de
decil
b) en cuatro partes: En ese caso cada una de ellas toma el nombre de cuartil c) en cambio
si la subdivisin es en 100 partes, se la denomina a cada una de
ella como centil.
El alcance interfractil, dada por la diferencia entre dos fractiles constituye una medida de
dispersin entre ellos.
En general los fractiles ms utilizados lo constituyen los cuartiles y percentiles.

Percentiles: De la misma manera en que la distribucin en estudio la podemos dividir en cuatro

partes, en el caso de hacerlo en 100 cada una de ellos tomar el nombre de percentil

4.6 REGLA EMPRICA

Segn vimos en el punto anterior, dada una distribucin, el valor de su desviacin estndar
nos indica el grado de dispersin de sus valores con respecto a la media, pero es en
realidad la Regla Emprica, quien relaciona a los dos parmetros : y con el siguiente
enunciado:
En el intervalo centrado en la media y tal que su origen izquierdo est dado por la
media menos un desviacin estndar y el derecho por la media ms un desviacin
estndar, se agrupa el 68 % de los valores de la distribucin; En el intervalo comprendido
por la media menos dos desviaciones estndar y ms dos desviaciones se ubica el 95%
de los valores de la distribucin, por ltimo en el intervalo comprendido por la media
menos tres desviaciones estndar y la media ms tres desvos estndar se tendr el
99,7% de N (suele considerarse en muchas oportunidades en este intervalo el 100% de
N).
Debe de tener en cuenta que, entre el inicio de la grfica y su fin, se encuentran ubicados todos los
valores de la distribucin N.

Mdulo 2
Las matemticas de las probabilidades se relacionan, en sus orgenes, con los juegos de azar,

el estudio de probabilidades indica que existe incertidumbre con respecto a la ocurrencia o no

de un determinado evento. En muchas oportunidades puede ser virtualmente imposible
predecir cul ser el resultado de una determinada accin, pero es posible anticipar cul es el
resultado que se espera de dicha accin.

2.1 PROBABILIDADES
Cuando un fenmeno puede presentarse de distintas maneras, la factibilidad de ocurrencia de
cada una de ellas se la define como probabilidad.

Cada una de las distintas maneras en que puede presentarse el fenmeno se denomina
evento.

La probabilidad de un evento es un nmero real comprendido entre 0 y 1

0 P (E) 1
Y puede representarse como un nmero decimal o como fraccin.
Una probabilidad de valor cero indica la imposibilidad de ocurrencia, por el contrario una
probabilidad igual a 1 significa la certeza.

2.2 EVENTOS: DEFINICIN Y CLASIFICACIN

Un evento se dice que es compuesto cuando est conformado por ms de un evento simple,
de esta manera, tambin seran eventos compuestos

2.3 DETERMINACIN DE PROBABILIDADES

Se tiene tres planteos bsicos para definir una probabilidad, estas son:
a) Planteamiento clsico
b) Planteamiento basado en la frecuencia relativa c) Planteamiento subjetivo

2.3.1 PLANTEAMIENTO CLSICO

Cuando un fenmeno puede presentarse de n formas distintas, todas ellas igualmente
posibles, y de esas n formas en c de ellas lo hace con una determinada caracterstica,
entonces, la probabilidad de que al presentarse el fenmeno lo haga con la caracterstica en
estudio est dado por el cociente de c sobre n

Si a c se lo denomina como nmero de casos favorables y a n como nmero de casos posibles

podramos expresar la probabilidad clsica como:

Es necesario tener en cuenta que para que esta expresin sea correcta todas las formas en que
puede presentarse el fenmeno deben ser igualmente posibles.

2.3.2 PLANTEAMIENTO EN BASE A LA FRECUENCIA RELATIVA.

Cuando un fenmeno se pone en evidencia de distintas maneras, la frecuencia relativa
de ocurrencia de cada una de ellas tiende a coincidir con su probabilidad de ocurrencia
cuando el nmero de veces que se presenta el fenmeno es lo suficientemente
grande.
Es decir que en este caso se define como probabilidad a la frecuencia relativa observada de un
evento durante un gran nmero de intentos

Es necesario tener presente que el grado de bondad de la probabilidad calculada mediante

este mtodo, depende del nmero de veces en que fuera evaluado el proceso y por tal motivo,
determinada la frecuencia relativa. La definicin expresa que para que la probabilidad de
ocurrencia de un proceso coincida con su frecuencia relativa de ocurrencia, sta debe estar
calculada sobre la presentacin de un nmero suficientemente grande del fenmeno.

2.3.3 PROBABILIDAD SUBJETIVA

La probabilidad subjetiva queda librada al criterio de quin la determina en funcin de la
evidencia con que se cuente para la misma, esta puede ser en base a la frecuencia relativa de
ocurrencia en eventos pasados o simplemente de acuerdo a sus supuestos. Este tipo de
probabilidad se da cuando los eventos se presentan un nmero reducido de veces.

2.4 REPRESENTACIN GRFICA

Retomemos el fenmeno correspondiente al lanzamiento de un dado. En muchas ocasiones es
conveniente operar probabilidades en forma grfica, para ello nos valdremos del Diagrama de
Venn. Para la confeccin de este diagrama representamos mediante puntos cada uno de los
eventos simples en que puede presentarse el fenmeno, cada uno de ellos se denomina punto
muestral y el espacio conformado por todos los puntos muestrales se denominar espacio
muestral y se lo denota como (S)
2.5 REGLA ADITIVA
Tenemos ahora una expresin que nos entrega la probabilidad de la unin de eventos.
Expresin que toma el nombre de Regla Aditiva

P(A o B) = P(A) + P (B) P(A y B)

2.6 REGLA MULTIPLICATIVA

La expresin anterior no solo nos entrega la probabilidad condicionada de ocurrencia de A
segn B sino que, nos permite obtener la expresin multiplicativa, si pasamos el denominador
del segundo miembro multiplicando al primero, e intercambiando los miembros:

Si tenemos en cuenta que grficamente los eventos compuestos estn conformados

por la unin (suma) o interseccin (producto) de eventos, las expresiones
determinadas por la regla aditiva y multiplicativa nos permitirn resolver las
probabilidades de eventos compuestos.
Regla aditiva: P(A o B) = P(A) + P (B) - P(A y B)
Regla multiplicativa: P(A y B) = P(A). P (B / A) = P (B). P(A / B)
2.7 RELACIN ENTRE EVENTOS

2.7.1 EVENTOS COMPLEMENTARIOS

Dos eventos A y B se denominan COMPLEMENTARIOS cuando la suma de sus
probabilidades es igual a 1:
P(A) + P (B) = 1

2.7.2 EVENTOS MUTUAMENTE EXCLUYENTES

Se dice que dos eventos son mutuamente excluyentes cuando la ocurrencia de uno de ellos
implica la no ocurrencia del otro.

Podemos decir que todos los eventos simples en que puede presentarse un fenmeno son
mutuamente excluyentes.

Por lo tanto en este caso, cuando los eventos son mutuamente excluyentes, la probabilidad de
ocurrencia de por lo menos uno de ellos ser igual a la suma de sus probabilidades:

2.7.3 EVENTOS INDEPENDIENTES

Definicin
Dos eventos se dicen que son independientes, cuando la ocurrencia de uno de ellos no
modifica la probabilidad de ocurrencia del otro.

Y se expresa como:
P(A / B)= P(A).

Si recordamos la regla multiplicativa:

Lo que se expresa como:

Cuando dos eventos son independientes, la ocurrencia simultnea de ambos es igual al
producto de sus probabilidades.
Los sucesos mutuamente excluyentes deben ser dependientes, pero los sucesos dependientes
no tienen necesariamente que ser mutuamente excluyentes.

2.8 PROBABILIDADES MARGINALES BAJO DEPENDENCIA ESTADSTICA

La probabilidad marginal en condiciones de dependencia estadstica se determina mediante la
suma de las probabilidades de todos los eventos conjuntos en los que se presenta el evento
sencillo.

Desarrollando las probabilidades conjuntas del denominador tendramos:

Expresin que se la conoce como Teorema de Bayes

El teorema o Regla de Bayes en si trata la revisin de las estimaciones iniciales de la

probabilidad dada la evidencia de la muestra. En sntesis permite estudiar nueva informacin y
revisar nuestras anteriores estimaciones.

COMBINACIONES Y PERMUTACIONES
El estudio de combinaciones y permutaciones se asocia al estudio de anlisis combinatorio y
constituye en realidad una herramienta de gran aplicacin en la resolucin de probabilidades y
en la distribucin de variable aleatoria que veremos ms adelante.

Denominaremos como n al nmero de elementos que conforman el conjunto

Cada uno de estos subconjuntos de tres elementos cada uno de ellos, formados con los n
elementos del conjunto dado se denominan combinaciones y se las expresa como:

n C r (Expresin que se presenta en general en las calculadoras).

En todas ellas se lee como Combinaciones de n elementos tomados de r en r,

matemticamente igual a

Definicin
Dos combinaciones son distintas cuando varan en por lo menos un elemento.
A su vez, cada subconjunto de tres elementos pueden expresarse de seis maneras distintas,
permutando los trminos que lo componen

Cada una de las distintas formas en que puede expresarse un conjunto se denomina
permutaciones y se las expresa como:
Pr=r!

Definicin
Dos permutaciones son distintas cuando varan en la ubicacin de por lo menos un elemento.

Resumiendo diremos que, por cada una de las combinaciones de tres elementos,
tomadas entre los cinco del conjunto dado, se pueden obtener seis permutaciones.
Al conjunto de combinaciones y permutaciones se las denomina Variaciones o tambin
Permutaciones de n elementos tomados de r en r, y se lo denota como:
nPr = nCr * Pr