Podcast
Questions and Answers
6 kilómetros son iguales a 600000 centímetros.
6 kilómetros son iguales a 600000 centímetros.
True (A)
42 metros son iguales a 420 centímetros.
42 metros son iguales a 420 centímetros.
False (B)
12 centímetros son iguales a 0.12 metros.
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.
La conversión de 6 km 42 m 12 cm a centímetros es igual a 604212 cm.
Hay 1000 milímetros en un centímetro.
Hay 1000 milímetros en un centímetro.
1 milímetro es igual a $\frac{1}{10}$ de centímetro.
1 milímetro es igual a $\frac{1}{10}$ de centímetro.
142 milímetros son iguales a 14.2 centímetros.
142 milímetros son iguales a 14.2 centímetros.
Para convertir milímetros a centímetros, debes multiplicar por 10.
Para convertir milímetros a centímetros, debes multiplicar por 10.
Un metro es más largo que un centímetro
Un metro es más largo que un centímetro
Flashcards
¿Cuántos cm hay en un km?
¿Cuántos cm hay en un km?
Un kilómetro (km) equivale a 100,000 centímetros (cm).
¿Cuántos cm hay en un metro?
¿Cuántos cm hay en un metro?
Un metro (m) equivale a 100 centímetros (cm).
¿Cómo convertir mm a 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?
¿Qué es más pequeño, mm o cm?
Signup and view all the flashcards
¿Cuántos cm son 142 mm?
¿Cuántos cm son 142 mm?
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.