MEDIDAS DE

FORMA Y ANÁLISIS
COMBINATORIO
Estadística Descriptiva

Bloque 3

EDA0120
ESTADÍSTICA DESCRIPTIVA

El presente material recopila una serie de definiciones, explicaciones, ejemplos y ejercicios prácticos de autores
especializados que te ayudarán a comprender los temas principales de este bloque.

Las marcas empleadas en la antología son única y exclusivamente de carácter educativo y de investigación, sin
fines lucrativos ni comerciales.

2
ESTADÍSTICA DESCRIPTIVA

Medidas de forma y análisis combinatorio

5. Medidas de forma
En el segundo bloque revisamos los conceptos de estadística descriptiva, observamos la representación
gráfica de los datos de las medidas de tendencia central y de dispersión en forma de una campana; esto
es, los datos se agrupan alrededor de la media aritmética situada, en general, al centro de la distribución
de datos y la cantidad de datos disminuye hacia los extremos.

A su vez, a partir de las medidas de forma, podemos identificar que los datos se distribuyen a la izquierda
y derecha; en ocasiones se observa la misma cantidad de datos en ambos extremos (simetría), aunque
en otros casos se distribuyen de manera no uniforme.

Esta cantidad de datos distribuida a la derecha o izquierda de la distribución se conoce como densidad
de distribución, tema central de este bloque. En tal sentido, analizaremos lo que sucede cuando una
distribución presenta sesgo, es decir, no es simétrica y tiende a presentar mayor densidad a la derecha
o izquierda del centro. Asimismo, determinaremos qué sucede cuando la densidad de la distribución se
aleja de la media o se concentra más en la misma (curtosis).

Para finalizar, revisaremos las implicaciones prácticas de estos comportamientos para analizar los si-
guientes elementos:

— Datos agrupados, es decir, distribuidos en clases, con su respectiva tabla de frecuencias.

— Datos no agrupados, es decir, aquellos que no se presentan en tabla con su respectiva frecuencia.

3
ESTADÍSTICA DESCRIPTIVA

5.1. Coeficiente de asimetría

El concepto de asimetría se encuentra ligado a la uniformidad de los datos alrededor de la media; indica
hacia dónde se sitúan los valores extremos. De manera empírica, es posible establecer la siguiente com-
paración de medidas de tendencia central para determinar si la distribución de datos es simétrica o no.

Figura 1. Relación entre medidas de tendencia central

Mo Md X Mo = Md = X X Md Mo
X=10, Md=5, Mo=3 X=Md=Mo=10 X=10 Md=12 Mo=15
Asimétrica positiva Simétrica Asimetría negativa
X>Md>Mo X=Md=Mo X<Md<Mo

Fuente: Mousalli-Kayat (2016).

Como podemos apreciar, al comparar los valores de la moda (Mo), mediana (Md) y media (X), es posible
establecer las siguientes reglas generales.

— Cuando las tres medidas de tendencia central sean iguales, el comportamiento de los datos será
simétrico y seguirá una distribución uniforme.
— Cuando la media sea mayor que la mediana y la mediana, menor que la moda, existirá asimetría
positiva.
— Cuando la media sea menor que le mediana y la mediana, menor que la moda, existirá asimetría
negativa.
— La mediana siempre se encontrará en medio de la media y la moda, en todos los casos, debido a
que representa la mitad de los datos de la distribución, ordenados de mayor a menor.

5.1.1. Significado e interpretación

Cuando los datos sean simétricos, conforme a las medidas de tendencia central, el comportamiento
será normal y observaremos distribución con incrementos uniformes a partir de la izquierda, alcanzará
su punto máximo en el centro y disminuirá de manera uniforme hacia la derecha. Estos comportamientos
permiten mayor certeza al analizar la información y obtener conclusiones sobre la población, además
de favorecer la desviación estándar mínima.

Al existir asimetría, observamos variaciones mayores debido a valores atípicos en los datos; es decir,
observamos puntos extremos a la izquierda o a la derecha, así como mayor desviación estándar; o bien,
distinguimos un conjunto de datos con dos o más modas.

4
ESTADÍSTICA DESCRIPTIVA

5.1.2. Cálculo para datos no agrupados y datos agrupados

Para calcular el coeficiente de asimetría en datos no agrupados, utilizaremos el coeficiente de Pearson.

3 (media-mediana) 3(x ̅-Md)

Ca= =
desviación estándar s

Como podemos apreciar, el coeficiente de asimetría Ca involucra la resta de la media (ẋ) menos la mediana
(md), dividida entre la desviación estándar (s). Es la diferencia entre la media y la moda la que determina
el tipo de asimetría que se presenta, sea éste positivo o negativo.

No debemos olvidar las siguientes reglas generales.

Si Ca es mayor que cero, la asimetría será positiva.

Si Ca es igual que cero, existe simetría.
Si Ca es menor que cero, la asimetría será negativa.

Figura 2. Asimetría en coeficiente de Pearson

Asimétrica positiva Simétrica Asimetría negativa

Ca>0 Ca=0 Ca<0

Fuente. Mousalli-Kayat (2016).

5.1.3. Obtención por fórmula

Realicemos ahora algunos ejercicios para datos no agrupados.

Caso uno

Media = 4, mediana = 4, desviación estándar = 2.35.

Al sustituir los valores en la fórmula, obtendremos:

3 (4-4) 3(0)
Ca= = =0
2.35 2.35

Lo anterior es igual a cero. Si Ca es igual que cero, la distribución es simétrica.

5
ESTADÍSTICA DESCRIPTIVA

Caso dos

Media = 8, mediana = 10, desviación estándar = 5.8.

Al sustituir los valores en la fórmula, obtendremos:

3 (8-10) 3(-2)
Ca= = = 1.03
5.8 5.8

Lo anterior es igual a -1.03. Si Ca es menor que cero (-1.03 < 0), la distribución es asimétrica negativa.

Caso tres

Media = 25, mediana = 8, desviación estándar = 9.3.

Al sustituir los valores en la fórmula, obtendremos:

3 (25-8) 3(17)
Ca= = = 5.8
9.3 9.3

Lo anterior es igual a 5.48. Si Ca es mayor que cero (5.48 > 0), la distribución es asimétrica positiva.

Realicemos ahora ejercicios para datos agrupados.

Para calcular el coeficiente de asimetría en datos agrupados, utilizaremos el coeficiente de asimetría de

Fisher:

1 n
•∑ = ( x - x) 3 f i
ms n i 1 i
g 1= =
[√ ]
s3 3
∑ (x-x ̅)2 •f
(n-1) i

Donde:

g1 es el coeficiente de asimetría.
m3 es el momento de asimetría calculado con la fórmula:

1 n
•∑ ( x - x) 3 f i
n i=1 i

Donde:

xi es la clase

6
ESTADÍSTICA DESCRIPTIVA

x ̅es el promedio
fi es la frecuencia de clase para cada xi
n es el número de datos

s3 es la desviación estándar elevada al cubo de los datos, obtenida de la fórmula de la desviación es-
tándar por la frecuencia de clase f o f considerando i como índice genérico de cada valor en la tabla, es
decir valor 1, 2, 3, …

[√ ]
3
∑ (x-x ̅)2 •f
(n-1) i

Como ejemplo, realicemos el registro de edades en un grupo de 10 jóvenes.

Cuadro 1. Datos agrupados por edad y frecuencia

Edad (x) Frecuencia (f) (x)∙(f)

10 2 20

11 2 22

12 3 36

13 1 13

14 1 14

15 1 15

10 120

x representa la edad y al multiplicarla por la frecuencia, obtendremos x*f. Ahora, es necesario calcular x,
el promedio de los datos agrupados de la tabla, mediante la siguiente fórmula:

•∑ in= 1 f i • x i
x ̅=
n

Entonces, la media será:

120
x ̅= =12
10

7
ESTADÍSTICA DESCRIPTIVA

Una vez obtenida la media, podemos completar la tabla para calcular el coeficiente de asimetría, como
muestra el siguiente Cuadro:

Cuadro 2. Datos agrupados con frecuencia y cálculo de desviación estándar

Edad (x) Frecuencia (f) (x)∙(f) (x-X̅)3 f (x-X̅)2 f

10 2 20 -16 8

11 2 22 -2 2

12 3 36 0 0

13 1 13 1 1

14 1 14 8 4

15 1 15 27 9

10 120 18 24

Al realizar los cálculos, obtendremos lo siguiente:

1
•18
m 10
g 1= s =
[√ ]
s3 3
24
(10-1)
1
•18
m 10
g 1= s =
[√ ]
s3 3
24
(9)

1.8
g 1=
[√2.6666]3

1.8
g 1=
[1.6329]3

= 1.8 =0.4133
4.3546
0.4133 > 0 con asimetría negativa

8
ESTADÍSTICA DESCRIPTIVA

5.1.4. Utilizando herramientas computacionales estadísticas

Para calcular la asimetría podemos apoyarnos en el programa Excel, mediante los siguientes pasos:

1. Ingresar en una columna los datos de los cuales buscamos analizar el coeficiente de asimetría.
2. Ingresar a Análisis de datos y seleccionar Estadísticas descriptivas.

Figura 3. Obtención de asimetría y curtosis mediante Excel

3. Indicar el lugar en donde buscamos que arroje la información y solicitar el resumen estadístico.
Figura 3. Obtención de asimetría y curtosis mediante Excel (continuación)

9
ESTADÍSTICA DESCRIPTIVA

4. Obtenemos nuestro coeficiente, aunado a una serie de estadísticas descriptivas adicionales en el

grupo de datos analizados.

Figura 3. Obtención de asimetría y curtosis mediante Excel (continuación)

Para explicar cómo se calcula la asimetría en Excel con datos agrupados usaremos el ejemplo planteado
anteriormente sobre el registro de edades en un grupo de 10 jóvenes. Es importante tener en cuenta que
vamos a requerir, además de los datos agrupados en la tabla, el resultado del cálculo de la media y de
la desviación estándar:

Figura 3. Obtención de asimetría y curtosis mediante Excel (continuación)

Es necesario agregar a nuestra tabla una nueva columna donde sea posible agregar lo nuevos datos,
en este caso, la nombraremos Cálculos para asimetría, en esta nueva columna realizaremos el siguiente
procedimiento: a cada una de nuestras variables (en este caso nos referimos a los grupos de edad) se

10
ESTADÍSTICA DESCRIPTIVA

restará la media, el resultado se elevará a la potencia 3 y el resultado de todo lo anterior se multiplicará

por la frecuencia. La fórmula se vería de la siguiente manera:

g1=(xi- x)3 • fi

Como ejemplo, para el segundo grupo de edad se llevó a cabo la resta de nuestra variable (11 años, en
este caso, ubicada en casilla B5) menos la media (12 que podemos encontrar en la casilla $B$13), este
resultado se elevará a la tercera potencia y finalmente se multiplicará por la frecuencia de este grupo
de edad (en este caso es 2 y que se encuentra en la casilla C5), por lo que la fórmula en el programa se
visualizará de la siguiente forma:

Figura 3. Obtención de asimetría y curtosis mediante Excel (continuación)

Así continuaremos realizando el cálculo para todas las variables. Posteriormente, se calculará la suma-
toria de los resultados:

Figura 3. Obtención de asimetría y curtosis mediante Excel (continuación)

11
ESTADÍSTICA DESCRIPTIVA

Después, para calcular el valor de la asimetría se llevará a cabo el resultado de nuestra sumatoria, se
dividirá entre la frecuencia absoluta y, a su vez, el resultado obtenido se dividirá entre la desviación es-
tándar a la tercera potencia, es decir:
∑ g1
f
Va=
𝞂3
Por lo tanto, la sustitución de la fórmula sería la siguiente:

18
10
Va=
(1.6329)3
Observándose de la siguiente forma en el programa:

Figura 3. Obtención de asimetría y curtosis mediante Excel (continuación)

Como se nota, la sumatoria de asimetría dio un total de 18 (celda G10), la frecuencia total de nuestra
muestra es 10 (celda C10) y, finalmente, la desviación estándar (celda B14). Es así como obtenemos el
resultado total, además de que podremos identificar la coincidencia en nuestro procedimiento manual
y realizar la interpretación:

12
ESTADÍSTICA DESCRIPTIVA

Figura 3. Obtención de asimetría y curtosis mediante Excel (continuación)

5.2. Coeficiente de curtosis

El concepto curtosis se encuentra ligado a la densidad de la distribución alrededor de la media; es decir,

cuando los datos se acerquen a la media o sean separados, en la medida en que se ubiquen más cerca
ésta, menos variación existirá; por tanto, podremos esperar menor valor de la desviación estándar.

Figura 4. Tipos de curtosis o estados de apuntamiento

Coeficiente de curtosis y estados de apuntamiento:

Leptocúrtica Mesocúrtica Platicúrtiva

Ck>0 Ck=0 Ck<0

Fuente: Mousalli-Kayat (2016).

— La curva tiende a ser delgada y con cúspide alta cuando los datos son bastante cercanos a la
media; por tanto, se denomina leptocúrtica con índice de curtosis mayor que cero, así que los
datos presentarán valores pequeños de desviación estándar.
— Las curvas con índice de curtosis igual que cero presentan forma menos puntiaguda al centro y
repartida en toda la campana de Gauss; por ello, se denominan mesocúrticas.
— Para finalizar, cuando la curva sea bastante cercana al eje X y con cúspide pequeña (platicúrtica),
indicará índice de curtosis Ck menor que cero; entonces, la distribución de datos presentará gran
variación y esperaremos valores elevados de la desviación estándar, iguales o mayores a la media.

13
ESTADÍSTICA DESCRIPTIVA

5.2.1. Significado e interpretación

Conforme a las características de la curtosis, podemos esperar los siguiente comportamientos.

— Leptocúrticas Ck > 0. Son representativas de procesos bajo control, con mínimo de errores y
variaciones; son los comportamientos que esperamos luego de la implementación de un proyecto
de mejora.
— Mesocúrticas Ck = 0. Son representativas de procesos con control intermitente, que debe ser
mejorado para representar menores probabilidades de defecto.
— Platicúrticas casi planas (Ck < 0). La cúspide es bastante pequeña, por tanto, son procesos fuera
de control, con varios errores y gran cantidad de defectos, así como desviaciones estándar bastan-
te similares a la media. Obtendremos variaciones iguales o mayores a la media.

Consideremos, como ejemplo, que un vuelo parte hacia Monterrey a las 10:00 horas, pero su salida puede
variar en 60 minutos, sea antes o después de la hora planificada. Lo anterior implicaría que los pasajeros
deberán presentarse una hora antes en el aeropuerto y que el vuelo podría retrasarse hasta las 11:00
horas. Si algún pasajero viajara por una reunión de negocios en Monterrey, seguro llegaría tarde. Este tipo
de variaciones generaría reclamos y quejas por retrasos en el servicio y, por lo tanto, podría visualizarse
un decaimiento en la frecuencia de adquisición de boletos de dicha aerolínea.

14
ESTADÍSTICA DESCRIPTIVA

5.2.2. Fórmula para datos no agrupados

Para calcular el coeficiente de curtosis en datos no agrupados, utilizaremos el coeficiente de asimetría

de Fisher.

∑ (xi -x)4
C k= -3
ns4
xi = Cada dato del conjunto.
x ̅= Promedio de la distribución de datos.
s = Desviación estándar.
n = Número de datos.

Consideraremos las siguientes reglas generales.

Si Ck es mayor que 3, la curva es leptocúrtica.

Si Ck es igual que 3, la curva es mesocúrtica.
Si Ck es menor que 3, la curva es platicúrtica.

2,058.5
-3
8(150.9218)

2,058.5
-3
(1207.3747)

Analicemos un ejemplo de cálculo de coeficiente de asimetría de Fisher para datos no agrupados.

Determinar el tipo de curtosis en la distribución de los siguientes datos: 6, 9, 9, 12, 12, 12, 15 y 17.

Primero, será necesario obtener la media y la desviación estándar. En el bloque 2 abordamos estos temas,
así que nos enfocaremos en los resultados.

Media: 11.5

Desviación estándar: 3.505

Primero, realizaremos la resta a cada una de las variables x (es decir, los datos de la primera columna)
del resultado que obtuvimos al calcular la media (segunda columna), posteriormente, se elevará a la
potencia 4 el resultado obtenido (tercera columna).

15
ESTADÍSTICA DESCRIPTIVA

Figura 5. Cálculo de coeficiente de curtosis

Sustituimos los resultado obtenidos obtendremos los siguientes resultados:

2,058.5
Ck= -3
8(3.505)4

1.7049-3= -1.295

5.2.3. Obtención por fórmula

Para calcular el coeficiente de curtosis en datos agrupados, utilizaremos el coeficiente de asimetría de

Fisher.
∑ ( x i - x) 4f i
Ck= -3
ns4
xi = Cada dato de la tabla de frecuencia
x = Promedio de la distribución de datos
s = Desviación estándar de la distribución de datos
n = Número de datos
fi = Cada frecuencia individual

16
ESTADÍSTICA DESCRIPTIVA

Retomaremos el ejemplo anterior para calcular la asimetría y determinar ahora la curtosis.

Cuadro 3. Datos agrupados por edad y frecuencia

Edad (x) Frecuencia (f) (x)∙(f)

10 2 20

11 2 22

12 3 36

13 1 13

14 1 14

15 1 15

10 120

x representa la edad y, al multiplicarla por la frecuencia, obtendremos x*f. Debido a que ya fue calculada
la media x, recordemos el proceso:
n
Ʃ f •x
i=1 i i
x=
n
Entonces, la media será:

120
x ̅= =12
10

Luego, habíamos calculado la desviación estándar. Recordemos también el proceso:

17
ESTADÍSTICA DESCRIPTIVA

Cuadro 4. Datos agrupados con frecuencia y cálculo de desviación estándar

Edad (x) Frecuencia (f) (x)∙(f) (x-x ̅)2 f

10 2 20 8

11 2 22 2

12 3 36 0

13 1 13 1

14 1 14 4

15 1 15 9

10 120 24

√ ∑(n-1)
(x-x) •f 2
i

Sustituiremos:

√ (10-1)
24
= 1.6329

Ahora, al conocer los datos de la media y la desviación estándar, calculemos la curtosis:

∑ ( x i - x) 4f i
Ck= -3
ns4

18
ESTADÍSTICA DESCRIPTIVA

Cuadro 5. Datos agrupados con frecuencia y cálculo de curtosis

Edad (x) Frecuencia (f) (x)∙(f) (x-x ̅)4 f

10 2 20 32

11 2 22 2

12 3 36 0

13 1 13 1

14 1 14 16

15 1 15 81

10 120 132

Al sustituir en la fórmula, el coeficiente de curtosis será:

132
Ck= -3
(10) (1.6329)4

132
-3
(10) (7.1094)

132
-3
(71.0948)

1.8566 - 3= -1.1433

Dado que Ck es menor que 3, la curtosis será platicúrtica.

5.2.4. Utilizando herramientas computacionales estadísticas

Cuando analizamos el uso de software para el cálculo del coeficiente de asimetría (sección 5.1.4.), tam-
bién obtuvimos el coeficiente de curtosis. Repitamos el proceso con énfasis en la curtosis.

19
ESTADÍSTICA DESCRIPTIVA

Para calcular la curtosis podemos apoyarnos del programa Excel, mediante los siguientes pasos.

1. Ingresar en una columna los datos de los cuales buscamos analizar el coeficiente de asimetría.
2. Ingresar a Análisis de datos y seleccionar Estadísticas descriptivas.
Figura 6. Obtención de asimetría y curtosis mediante Excel

3. Indicar el lugar en donde buscamos que arroje la información y solicitar el resumen estadístico.
Figura 6. Obtención de asimetría y curtosis mediante Excel (continuación)

20
ESTADÍSTICA DESCRIPTIVA

4. Obtenemos nuestro coeficiente, aunado a una serie de estadísticas descriptivas adicionales en el

grupo de datos analizados.

Figura 6. Obtención de asimetría y curtosis mediante Excel (continuación)

Para calcular la curtosis de los datos agrupados retomaremos una vez más el caso de los grupos de edad.

Como en el caso de la asimetría, a nuestra tabla agregaremos una nueva columna, en este caso la
nombraremos Cálculo para curtosis, en esta columna agregaremos el siguiente cálculo por variable:
abriremos nuevamente un doble paréntesis y seleccionaremos nuestra variable, le restaremos la media
y el resultado lo elevaremos a la potencia 4, finalmente, el número obtenido lo multiplicaremos por la
frecuencia del grupo de datos.

Poniendo el ejemplo del primer grupo de edad, en la nueva columna abriremos el paréntesis y coloca-
remos en este caso la celda de la variable (es decir B4), a ésta le restaremos la media, que se encuentra
en la casilla $B$13, y elevaremos a la potencia 4, el resultado vamos a multiplicarlo por la frecuencia de
este grupo (en este caso se encuentra en la columna C4).

21
ESTADÍSTICA DESCRIPTIVA

Figura 6. Obtención de asimetría y curtosis mediante Excel (continuación)

Así se calculará cada una de las variables (x), al finalizar, se calculará la sumatoria de todos estos datos:

Figura 6. Obtención de asimetría y curtosis mediante Excel (continuación)

Para calcular la curtosis, realizaremos el siguiente cálculo: agregaremos la sumatoria que acabamos de
obtener, en este caso el resultado se encuentra ubicado en la celda H10; se divide entre la sumatoria de
la frecuencia, ubicada en la celda C10; el resultado se dividirá entre la desviación estándar elevada a la
potencia 4; y, finalmente se le restará 3 al resultado, por lo que podremos visualizar de la siguiente forma:

22
ESTADÍSTICA DESCRIPTIVA

Figura 6. Obtención de asimetría y curtosis mediante Excel (continuación)

De esta forma llegaremos al resultado total, además de que podrás realizar el contraste con el procedi-
miento manual y realizar su interpretación pertinente:

Figura 6. Obtención de asimetría y curtosis mediante Excel (continuación)

23
ESTADÍSTICA DESCRIPTIVA

6. Análisis combinatorio
El análisis combinatorio se ha convertido en una práctica recurrente. Como ejemplo, al pensar en com-
binar nuestra vestimenta, si encontramos dos pantalones (uno gris y otro azul) y tres sacos (negro, azul y
gris), ¿cuántas combinaciones podríamos formar sin repeticiones?

Figura 7. Diagrama de árbol de combinaciones

Fuente: Galván (2019).

Si tu respuesta es 6, es correcta: ésta se obtiene de multiplicar 2 x 3; así de sencillo es el análisis com-

binatorio, pero ¿para qué sirve, además de optimizar nuestro guardarropa? La innovación y el lanza-
miento de nuevos productos parte del análisis combinatorio, ya que, al combinar diferentes elementos
y componentes, podremos obtener gran variedad de productos; por ejemplo, un auto puede combinar
características como las siguientes.

— Con aire acondicionado o sin aire acondicionado.

— Con o sin sistema antibloqueo de frenos (abs).
— Con pintura en el parachoques o con pintura estándar.

Incluso en la educación, en pedagogía, al combinar elementos como niños, adultos, capacidades dife-
rentes, se definen campos específicos de estudio:

— Pedagogía especializada en niños.

— Pedagogía especializada en adultos.
— Pedagogía especializada en personas con discapacidades.

24
ESTADÍSTICA DESCRIPTIVA

Revisemos ahora los elementos de la teoría combinatoria.

6.1. Principios fundamentales

Comprender el análisis combinatorio requiere conocer algunos principios básicos que dictan las reglas
para obtener los arreglos totales; Villalobos (2017) plantea los siguientes cuatro principios relacionados.

1. Principio de suma o adición. Refiere al total de opciones de combinación, como suma de todas
las opciones. En el ejemplo de los pantalones y los sacos, se presentan seis posibles arreglos o
combinaciones: tres derivadas del pantalón gris y tres derivadas del pantalón azul.
2. Principio de multiplicación. Cuando un arreglo pueda realizarse de m formas diferentes y
luego, el mismo arreglo puede realizarse de n formas diferentes, el número de arreglos será la
multiplicación de n*m.

n = 2 pantalones y m = 3 sacos: 2*3 = 6 arreglos posibles.

En el principio de la combinación debemos conocer la noción del factorial de un número o n! (donde n

es el número y el signo ! representa la notación factorial).

El factorial de un numero n se obtiene al multiplicar el número por la sucesión del mismo, de 1 hasta el
número elegido:

1! = 1*1 = 1
2! = 1*2 = 2
5! = 1*2*3*4*5 = 120

El factorial admite la propiedad conmutativa, es decir, el resultado será el mismo al multiplicar 1*2*3 que
3*2*1 = 6.

25
ESTADÍSTICA DESCRIPTIVA

Al combinar, existen dos condicionantes del ordenamiento o arreglo: ¿El orden es importante? ¿Todos
los elementos pueden entrar? Analicemos:

3. Principio de la permutación. En este caso sí importa el orden en la combinación, por ello no

entrarían todos los elementos, ya que no admite repetición
4. Principio de la combinación. En este caso no importa el orden, por ello entran todos los elementos
en la combinación o arreglo, ya que admite repetición.

6.2. Ordenaciones y permutaciones

Una vez comprendidos los principios del análisis combinatorio, abordaremos los ordenamientos que
representan arreglos, permutas o combinaciones, mismos que podemos obtener mediante diferentes
criterios de arreglos. Villalobos (2017) afirma que existen dos tipos de arreglos u ordenamientos posibles,
como muestra la siguiente Figura:

Cuadro 6. Características de la permutación y combinación

Permutación Combinación

— Entran todos los elementos. — No entran todos los elementos.

— Importa el orden. — No importa el orden.

n! n!
nPr= nCr=
(n-r)! r! (n-r)!

Elaborado a partir de Villalobos (2017).

En la fórmula, n representa el número de elementos (retomando el ejemplo, los pantalones o sacos dispo-
nibles) del arreglo y r representa el arreglo en pares o tríos. En el caso de pantalones y saco, serían pares.

En el caso de la permutación, sí importa el orden y entran todos los elementos, como en los siguientes
ejemplos:

1. ¿Cuántos arreglos distintos podemos obtener al ordenar en pares los números 1, 2, 3, 4, 5, cuando
n es 5 y r es 2?. En este caso, buscamos arreglos en pares:

5P2= 5! = (5×4×3×2×1) =5×4=20

(5-2)! (3×2×1)

26
ESTADÍSTICA DESCRIPTIVA

2. ¿En cuántas formas distintas podemos ordenar dos pantalones con tres sacos, cuando n es 3 y r
es 2? En este caso, buscamos arreglos por pares:

3P2= 3! = 3×2×1 =3×2=6

(3-2)! 1

6.3. Combinaciones

En los casos de combinaciones, no importa el orden y sí intervienen todos los elementos, como en los
siguientes ejemplos:

1. En un grupo conformado por 15 alumnos, buscamos formar cinco comités de apoyo a diverso
eventos. ¿Cuántos comités es posible formar, sin importar el orden y cuando todos participan de
la elección? En este caso, n es 15 personas posibles y r es cinco arreglos de cinco:

15C5= 15! = (15×14×13×...×1) = (15×14×13×12×11) = 360,360 =3,003

5!(15-5)! 5x4x3×2×1 5x4x3×2×1 120

Entonces, obtendríamos 3,003 formas distintas de comité.

2. En una batería con 25 reactivos, ¿cuántas combinaciones de cuatro preguntas para examen
podríamos obtener?

25! = 25×24×23×...×1 25×24×23×22 303,600 =12,650

25C5= = =
4!(25-4)! 4x3×2×1(21x20x19x..x1) 4x3×2×1 24

En este caso, obtendríamos 12,650 formas distintas.

Existen dos métodos que podemos proponer para facilitar el cálculo:

1. Calcular el factorial por calculadora científica con función n!, escribir el número (en este caso 15)
y oprimir la tecla n!

27
ESTADÍSTICA DESCRIPTIVA

Figura 8. Método con calculadora científica

Paso 1. Elige el número Paso 2. Selecciona

para obtener el factorial la tecla n! para
en esta caso 15 obtener el factorial

2. En Excel, seleccionar la función =Fact(n).

Figura 9. Método con Excel

28
 REFERENCIAS

Galván, D. (2019). Estadística Descriptiva. Básicos para el Cálculo. Recuperado de

Mousalli-Kayat, G. [ULAx Equis]. (2016, febrero 24). Medidas de forma. [Archivo de video]. Recuperado
de

Villalobos R. (2017, diciembre 10). Permutaciones y conteos, técnicas de conteo. [Archivo de video].
Recuperado de

29