Reconto

• Factorial: !
• Variacións (sen repetición):

nPr( n>, r> )

• Combinación (sen repetición):

nCr( n>, r> )

Exemplos

1. $6!$: 6!
Resultado: 720

2. $V_{8,3}$:  nPr(8,3)
Resultado: 336

3. $P_4=V_{4,4}$:  nPr(4,4)
Resultado: 24

4. $C_{12,5}$: cCr(12,5)
Resultado: 792

Binomial

Para calcular a probabilidade de obter un número concreto de éxitos P(X=x_i) dunha variable aleatoria discreta que segue unha distribución binomial B(n,p), usarase a instrucción:

DistribuciónBinomial( , , , )

• Dá como resultado P( X = x_i) cando o último parámetro = false.
• Dá como resultado P( X ≤ x_i) cando o último parámetro = true.

Exemplos

Se $X\sim B(10,0.2)$

1. $P(X=3)$: DistribuciónBinomial(10, 0.2, 3, false)
Resultado: 0.201326592

2. $P(x\le 3)$: DistribuciónBinomial(10, 0.2, 3, true)
Resultado: 0.879126118

3. $P(1\le X\le 3)$: DistribuciónBinomial(10, 0.2, 1..3) 
Resultado: 0.771751936

Normal

Para calcular a probabilidade dunha variable aleatoria Normal de parámetros µ (media) e σ (desv_estándar), denotada por N(µ,σ), utilizamos a instrucción:

Normal( , , v> )

Exemplo

Se X $\sim N(30,4)$

$P(X\le 35)$: Normal(30, 4, 35 )
Resultado: 0.894350226

Reconto

• Factorial: !
• Variacións (sen repetición):

nPr( n>, r> )

• Combinación (sen repetición):

nCr( n>, r> )

Exemplos

1. $6!$: 6!
Resultado: 720

2. $V_{8,3}$:  nPr(8,3)
Resultado: 336

3. $P_4=V_{4,4}$:  nPr(4,4)
Resultado: 24

4. $C_{12,5}$: cCr(12,5)
Resultado: 792

Binomial

Para calcular a probabilidade de obter un número concreto de éxitos P(X=x_i) dunha variable aleatoria discreta que segue unha distribución binomial B(n,p), usarase a instrucción:

DistribuciónBinomial( , , , )

• Dá como resultado P( X = x_i) cando o último parámetro = false.
• Dá como resultado P( X ≤ x_i) cando o último parámetro = true.

Exemplos

Se $X\sim B(10,0.2)$

1. $P(X=3)$: DistribuciónBinomial(10, 0.2, 3, false)
Resultado: 0.201326592

2. $P(x\le 3)$: DistribuciónBinomial(10, 0.2, 3, true)
Resultado: 0.879126118

3. $P(1\le X\le 3)$: DistribuciónBinomial(10, 0.2, 1..3) 
Resultado: 0.771751936

Normal

Para calcular a probabilidade dunha variable aleatoria Normal de parámetros µ (media) e σ (desv_estándar), denotada por N(µ,σ), utilizamos a instrucción:

Normal( , , v> )

Exemplo

Se X $\sim N(30,4)$

$P(X\le 35)$: Normal(30, 4, 35 )
Resultado: 0.894350226

Reconto

• Factorial: n!
• Permutacións : número de permutaciones de n elementos
• Combinacións: elegir r de m

Exemplos

1. $6!$: 6!
Resultado: 720

2. $P_4$:  número de permutaciones de 4 elementos
Resultado: 24

3. $C_{12,5}$: elegir 5 de 12
Resultado: 792

Binomial

Para realizar o cálculo da distribución binomial debemos escribir en Wolfram Alpha o comando 

binomial distribution, n=valor, p=valor, x 

Exemplos

Se $X\sim B(10,0.2)$

1. $P(X=3)$: binomial distribution, n=10, p=0.2, x=3
Resultado: 0.201326592

2. $P(x\le 3)$: binomial distribution n=10, p=0.2, x<=3
Resultado:  0.8791261184

3. $P(x\ge 3)$: binomial distribution n=10, p=0.2, x>=3

Normal

para o seu cálculo temos que usar a seguinte instrucción:

probability variable, normal distribution, mean=valor, sd=valor

Exemplos

Se X $\sim N(30,4)$

1. $P(X<35)$: probability X<35, normal distribution, mean=30, sd=5
Resultado: 0.894350226

2.  $P(X>35)$: probability X>35, normal distribution, mean=30, sd=4

3. $P(35<X<37$: probability 35< X <37, normal distribution, mean=30, sd=4