ANALISIS COMBINATORIO

Variaciones
Se llama variaciones ordinarias de m elementos tomados de n en n (m ≥ n) a los
distintos grupos formados por n elementos de forma que:
No entran todos los elementos.
Sí importa el orden.
No se repiten los elementos

También podemos calcular las variaciones mediante factoriales:

Las variaciones se denotan por

Variaciones con repetición
Se llama variaciones con repetición de m elementos tomados de n en n a los
distintos grupos formados por n elementos de manera que:
No entran todos los elementos si m > n. Sí pueden entrar todos los elementos si
m≤n
Sí importa el orden.
Sí se repiten los elementos.

Permutaciones
Hay dos tipos de permutaciones:

1. Permutaciones con repetición

Son las más fáciles de calcular. Si tienes n cosas para elegir y eliges r de ellas,
las permutaciones posibles son:
n × n × ... (r veces) = nr
(Porque hay n posibilidades para la primera elección, DESPUÉS
hay n posibilidades para la segunda elección, y así.)
Por ejemplo en la cerradura de arriba, hay 10 números para elegir (0,1,...,9) y
eliges 3 de ellos:
10 × 10 × ... (3 veces) = 103 = 1000 permutaciones

2. Permutaciones sin repetición

En este caso, se reduce el número de opciones en cada paso.
Ejemplos:
Nuestro "ejemplo de elegir en orden 3 bolas de 16" sería:

16! 16! 20,922,789,888,000

= = = 3360

(16-3)! 13! 6,227,020,800

¿De cuántas 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)

COMBINACIONES

combinaciones (recuerda que ahora el orden no importa):

Sin repetición: como números de lotería (2,14,15,27,30,33)

2. Combinaciones sin repetición

Así funciona la lotería. Los números se eligen de uno en uno, y si tienes los
números de la suerte (da igual el orden) ¡entonces has ganado!

La manera más fácil de explicarlo es:

imaginemos que el orden sí importa (permutaciones),

después lo cambiamos para que el orden no importe.

Volviendo a las bolas de billar, digamos que queremos saber qué 3 bolas se
eligieron, no el orden.

Ya sabemos que 3 de 16 dan 3360 permutaciones.

Pero muchas de ellas son iguales para nosotros, porque no nos importa el orden.

Por ejemplo, digamos que se tomaron las bolas 1, 2 y 3. Las posibilidades son:

El orden importa El orden no importa

1 2 3
1 3 2
2 1 3
123
2 3 1
3 1 2
321

Así que las permutaciones son 6 veces más posibilidades.

De hecho hay una manera fácil de saber de cuántas maneras "1 2 3" se pueden
ordenar, y ya la sabemos. La respuesta es:

3! = 3 × 2 × 1 = 6

(Otro ejemplo: 4 cosas se pueden ordenar de 4! = 4 × 3 × 2 × 1 = 24 maneras

distintas, ¡prueba tú mismo!)

Así que sólo tenemos que ajustar nuestra fórmula de permutaciones

para reducir por las maneras de ordenar los objetos elegidos (porque no nos
interesa ordenarlos):

Esta fórmula es tan importante que normalmente se la escribe con grandes

paréntesis, así:
 PROBABILIDADES

La Probabilidad es la mayor o menor posibilidad de que ocurra un determinado

suceso. En otras palabras, su noción viene de la necesidad de medir o
determinar cuantitativamente la certeza o duda de que un suceso dado ocurra o
no.

Ésta establece una relación entre el número de sucesos favorables y el número

total de sucesos posibles. Por ejemplo, lanzar un dado, y que salga el número
uno (caso favorable) está en relación a seis casos posibles (1, 2, 3, 4, 5 y 6); es
decir, la probabilidad es 1/6.

La probabilidad está basada en el estudio de la combinatoria y es fundamento

necesario de la estadística, además de otras disciplinas como
matemática, física u otra ciencia. En ellas se aplica una teoría de probabilidades,
la cual tiene como fin examinar las formas y medios para obtener esas medidas
de certeza, así como encontrar los métodos de combinarlos cuando intervienen
varios sucesos en un experimento aleatorio o prueba.

Cada uno de los resultados obtenidos al realizar un experimento recibe el

nombre de suceso elemental. Se llama espacio muestral el conjunto de todos los
sucesos elementales obtenidos, de forma que todo subconjunto del espacio
muestral es un suceso.

Probabilidad subjetiva

Se refiere a la probabilidad de ocurrencia de un suceso basado en la experiencia

previa, la opinión personal o la intuición del individuo. En este caso después de
estudiar la información disponible, se asigna un valor de probabilidad a los
sucesos basado en el grado de creencia de que el suceso pueda ocurrir.

Ejemplo 1
E: Tirar un dado
A = que salga el n° 3
S = {1, 2, 3, 4, 5, 6}
P(A) = 1/6

Ejemplo 2
E: Retirar una carta de un mazo
A= que salga oro
P(A) = 10/40
PROBABILIDAD CLASICA
Es el número de resultados favorables a la presentación de un evento dividido
entre el número total de resultados posibles. Asignación de probabilidad "a
priori", si necesidad de realizar el experimento.
La probabilidad clásica o teórica se aplica cuando cada evento simple del
espacio muestral tiene la misma probabilidad de ocurrir.
Fórmula para obtener la probabilidad clásica o teórica:

EJEMPLO: ¿Cuál es la probabilidad de obtener un número mayor que 3, en el

lanzamiento de un dado? Si E: 4, 5, 6, entonces el número de resultados
favorables es n (E) = 3.
Si S: 1, 2, 3, 4, 5, 6, entonces el número total de resultados posibles es (S) = 6.

PROBABILIDAD CONDICIONAL
Probabilidad condicional es la probabilidad de que ocurra un evento A, sabiendo
que también sucede otro evento B. La probabilidad condicional se escribe P(A|B)
o P(A/B), y se lee «la probabilidad de A dado B».
No tiene por qué haber una relación causal o temporal entre A y B. A puede
preceder en el tiempo a B, sucederlo o pueden ocurrir
simultáneamente. A puede causar B, viceversa o pueden no tener relación
causal. Las relaciones causales o temporales son nociones que no pertenecen
al ámbito de la probabilidad. Pueden desempeñar un papel o no dependiendo de
la interpretación que se le dé a los eventos.
Un ejemplo clásico es el lanzamiento de una moneda para luego lanzar un dado.
¿Cuál es la probabilidad que en el dado salga un 6 dado que ya haya salido una
cara en la moneda? Esta probabilidad se denota de esta manera: P(6|C).

TEOREMA DE LA PROBABILIDAD TOTAL

El Teorema de la probabilidad total nos permite calcular la probabilidad de un
suceso a partir de probabilidades condicionadas:

Ejercicio: En un saquito hay papeletas de tres colores, con las siguientes

probabilidades de ser elegidas:
a) Amarilla: probabilidad del 50%.
b) Verde: probabilidad del 30%
c) Roja: probabilidad del 20%.

Según el color de la papeleta elegida, podrás participar en diferentes sorteos.

Así, si la papeleta elegida es:

a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.

b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%
c) Roja: participas en un tercer sorteo con una probabilidad de ganar del 80%.

Con esta información, ¿qué probabilidad tienes de ganar el sorteo en el que

participes?:

1.- Las tres papeletas forman un sistema completo: sus probabilidades suman
100%
2.- Aplicamos la fórmula:

Luego,
P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54
Por tanto, la probabilidad de que ganes el sorteo es del 54%.

PROBABILIDAD CONJUNTA

Si dos sucesos M y N son independientes, la probabilidad de ocurrencia de

ambos sucesos simultáneamente será igual al producto de las probabilidades
individuales.
P(M y N )=P(M∧N)=P(M)∙(N)

Si se tiene más de dos sucesos independientes, la probabilidad conjunta será

igual al producto de las probabilidades de cada uno de los sucesos.

Ejemplo:

De un juego de 52 cartas se hacen dos extracciones, con reposición, ¿Cuál es

la probabilidad de que las dos cartas obtenidas sean ases?

Solución:

M: Suceso as en la primera extracción

N: Suceso as en la segunda extracción

Si la primera carta se repone, es decir se coloca nuevamente en el mazo antes

de hacer la segunda extracción, los sucesos son independientes.

TEOREMA DE BAYES

El teorema de Bayes, en la teoría de la probabilidad, es una proposición planteada

por el filósofo inglés Thomas Bayes (1702-1761)1 en 1763,2 que expresa
la probabilidad condicional de un evento aleatorio A dado B en términos de la
distribución de probabilidad condicional del evento B dado A y la distribución de
probabilidad marginal de sólo A.
En términos más generales y menos matemáticos, el teorema de Bayes es de
enorme relevancia puesto que vincula la probabilidad de A dado B con la
probabilidad de B dado A. Es decir, por ejemplo, que sabiendo la probabilidad de
tener un dolor de cabeza dado que se tiene gripe, se podría saber (si se tiene
algún dato más), la probabilidad de tener gripe si se tiene un dolor de cabeza.
Muestra este sencillo ejemplo la alta relevancia del teorema en cuestión para la
ciencia en todas sus ramas, puesto que tiene vinculación íntima con la
comprensión de la probabilidad de aspectos causales dados los efectos
observados. El teorema de Bayes es válido en todas las aplicaciones de la teoría
de la probabilidad. Sin embargo, hay una controversia sobre el tipo de
probabilidades que emplea. En esencia, los seguidores de
la estadística tradicional sólo admiten probabilidades basadas en experimentos
repetibles y que tengan una confirmación empírica mientras que los llamados
estadísticos bayesianos permiten probabilidades subjetivas. El teorema puede
servir entonces para indicar cómo debemos modificar nuestras probabilidades
subjetivas cuando recibimos información adicional de un experimento. La
estadística bayesiana está demostrando su utilidad en ciertas estimaciones
basadas en el conocimiento subjetivo a priori y el hecho de permitir revisar esas
estimaciones en función de la evidencia empírica es lo que está abriendo nuevas
formas de hacer conocimiento. Una aplicación de esto son los clasificadores
bayesianos que son frecuentemente usados en implementaciones de filtros de
correo basura o spam, que se adaptan con el uso. Otra aplicación se encuentra
en la fusión de datos, combinando información expresada en términos de
densidad de probabilidad proveniente de distintos sensores.