Distribuciones de Probabilidad

Choose a study mode

Play Quiz
Study Flashcards
Spaced Repetition
Chat to Lesson

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

6 kilómetros son iguales a 600000 centímetros.

True (A)

42 metros son iguales a 420 centímetros.

False (B)

12 centímetros son iguales a 0.12 metros.

True (A)

La conversión de 6 km 42 m 12 cm a centímetros es igual a 604212 cm.

<p>True (A)</p> Signup and view all the answers

Hay 1000 milímetros en un centímetro.

<p>False (B)</p> Signup and view all the answers

1 milímetro es igual a $\frac{1}{10}$ de centímetro.

<p>True (A)</p> Signup and view all the answers

142 milímetros son iguales a 14.2 centímetros.

<p>True (A)</p> Signup and view all the answers

Para convertir milímetros a centímetros, debes multiplicar por 10.

<p>False (B)</p> Signup and view all the answers

Un metro es más largo que un centímetro

<p>True (A)</p> Signup and view all the answers

Flashcards

¿Cuántos cm hay en un km?

Un kilómetro (km) equivale a 100,000 centímetros (cm).

¿Cuántos cm hay en un metro?

Un metro (m) equivale a 100 centímetros (cm).

¿Cómo convertir mm a cm?

Para convertir una medida dada en milímetros (mm) a centímetros (cm), se divide la cantidad de mm entre 10.

¿Qué es más pequeño, mm o cm?

Los milímetros son unidades más pequeñas que los centímetros.

Signup and view all the flashcards

¿Cuántos cm son 142 mm?

142 mm es igual a 14.2 cm.

Signup and view all the flashcards

Study Notes

Distribuciones de Probabilidad

  • Una distribución de probabilidad es una función que asigna la probabilidad de ocurrencia a cada suceso.
  • Son una herramienta esencial para la estadística inferencial.
  • La estadística inferencial se centra en inferir las características de una población basándose en una muestra.
  • Las distribuciones de probabilidad se utilizan para modelar el comportamiento de variables aleatorias.

Tipos de Distribuciones de Probabilidad

  • Pueden ser discretas o continuas.

Distribuciones Discretas

  • Bernoulli, Binomial y Poisson son ejemplos de distribuciones discretas

Distribución de Bernoulli

  • Describe un experimento con dos resultados posibles: éxito o fracaso.
  • La fórmula es $P(X = x) = p^x (1-p)^{(1-x)}$
  • $x = 0, 1$, representando fracaso o éxito
  • $p$ es la probabilidad de éxito

Distribución Binomial

  • Representa el número de éxitos en una serie de n ensayos independientes de Bernoulli.
  • La fórmula es $P(X = x) = {n \choose x} p^x (1-p)^{(n-x)}$.
  • ${n \choose x} = \frac {n!}{x!(n-x)!}$
  • $n$ es el número de ensayos
  • $x$ es el número de éxitos
  • $p$ representa a la probabilidad de éxito en cada ensayo

Distribución de Poisson

  • Describe el número de eventos que ocurren en un intervalo de tiempo o lugar específico.
  • La fórmula es $P(X = x) = \frac {\lambda^x e^{-\lambda}}{x!}$.
  • $\lambda$ representa al número promedio de eventos en el intervalo
  • $x$ representa al número de eventos

Distribuciones Continuas

  • Normal, Exponencial y Uniforme son tipos de distribuciones continuas.

Distribución Normal

  • Es la más usada en estadística.
  • Tiene forma de campana, definida por su media y desviación estándar (también llamada "típica").
  • Su función es $f(x) = \frac {1}{\sigma \sqrt{2\pi}} e^{-\frac{1}{2}(\frac{x-\mu}{\sigma})^2}$.
  • $\mu$ es la media
  • $\sigma$ es la desviación típica

Distribución Exponencial

  • Señala el tiempo transcurrido entre eventos en un proceso de Poisson.
  • La fórmula es $f(x) = \lambda e^{-\lambda x}$.
  • $\lambda$ es la tasa de eventos

Distribución Uniforme

  • Cada valor dentro de un intervalo tiene la misma probabilidad.
  • La fórmula es $f(x) = \frac {1}{b-a}$ para $a \le x \le b$.
  • $a$ es el valor mínimo
  • $b$ es el valor máximo

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Quiz Team

More Like This

Use Quizgecko on...
Browser
Browser