Este documento resume diferentes tipos de distribuciones de probabilidad discretas. Define conceptos como variable aleatoria, variable discreta y continua. Explica distribuciones como la de Bernoulli, binomial, geométrica, binomial negativa y multinomial. También cubre conceptos como función de distribución de probabilidad acumulada, esperanza matemática, varianza y desviación estándar.
El documento describe varias distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial, de Poisson, geométrica e hipergeométrica, y distribuciones continuas como la normal, exponencial, t de Student y Gamma. También explica las características de las distribuciones binomial y de Poisson, así como la distribución de Bernoulli.
Estadistica inferencial. Funciones y distribuciones de probabilidad.joani-jauregui
Este trabajo tiene por objetivo dar a conocer los diferentes componentes con los que cuenta las distribuciones de la probabilidad, y también tiene diferentes figuras para dar a entender el tema, de igual manera ejemplo, etc.
Este documento describe varias distribuciones de probabilidad, incluyendo la distribución de Bernoulli, binomial, Poisson, normal, gamma y t de Student. Explica las fórmulas y parámetros clave de cada distribución, así como ejemplos de su aplicación.
Este documento introduce conceptos básicos de estadística como variables aleatorias discretas y continuas, función de distribución de probabilidad, esperanza matemática, varianza y desviación estándar. Luego describe distribuciones de probabilidad discretas como Bernoulli, binomial, geométrica y Poisson, así como distribuciones continuas como uniforme, exponencial y normal. Finalmente concluye que la estadística se divide en descriptiva e inferencial para analizar y resumir datos de poblaciones y muestras.
Este documento presenta una introducción a las distribuciones de probabilidad continuas. Define qué son las distribuciones de probabilidad y variables aleatorias continuas, y explica cómo se calculan la media y desviación estándar para estas distribuciones. Luego describe varias distribuciones continuas comunes como la normal, exponencial, gamma y t de Student; y sus características y usos.
Este documento describe diferentes distribuciones probabilísticas discretas. Define variables aleatorias discretas y continuas, y explica cómo calcular la media, varianza y desviación estándar de una distribución discreta. Luego describe las características de las distribuciones binomial, hipergeométrica y de Poisson, y cómo calcular probabilidades usando cada una.
Este documento resume diferentes tipos de distribuciones de probabilidad discretas. Define conceptos como variable aleatoria, variable discreta y continua. Explica distribuciones como la de Bernoulli, binomial, geométrica, binomial negativa y multinomial. También cubre conceptos como función de distribución de probabilidad acumulada, esperanza matemática, varianza y desviación estándar.
El documento describe varias distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial, de Poisson, geométrica e hipergeométrica, y distribuciones continuas como la normal, exponencial, t de Student y Gamma. También explica las características de las distribuciones binomial y de Poisson, así como la distribución de Bernoulli.
Estadistica inferencial. Funciones y distribuciones de probabilidad.joani-jauregui
Este trabajo tiene por objetivo dar a conocer los diferentes componentes con los que cuenta las distribuciones de la probabilidad, y también tiene diferentes figuras para dar a entender el tema, de igual manera ejemplo, etc.
Este documento describe varias distribuciones de probabilidad, incluyendo la distribución de Bernoulli, binomial, Poisson, normal, gamma y t de Student. Explica las fórmulas y parámetros clave de cada distribución, así como ejemplos de su aplicación.
Este documento introduce conceptos básicos de estadística como variables aleatorias discretas y continuas, función de distribución de probabilidad, esperanza matemática, varianza y desviación estándar. Luego describe distribuciones de probabilidad discretas como Bernoulli, binomial, geométrica y Poisson, así como distribuciones continuas como uniforme, exponencial y normal. Finalmente concluye que la estadística se divide en descriptiva e inferencial para analizar y resumir datos de poblaciones y muestras.
Este documento presenta una introducción a las distribuciones de probabilidad continuas. Define qué son las distribuciones de probabilidad y variables aleatorias continuas, y explica cómo se calculan la media y desviación estándar para estas distribuciones. Luego describe varias distribuciones continuas comunes como la normal, exponencial, gamma y t de Student; y sus características y usos.
Este documento describe diferentes distribuciones probabilísticas discretas. Define variables aleatorias discretas y continuas, y explica cómo calcular la media, varianza y desviación estándar de una distribución discreta. Luego describe las características de las distribuciones binomial, hipergeométrica y de Poisson, y cómo calcular probabilidades usando cada una.
El documento trata sobre inferencia estadística. Explica que la inferencia estadística comprende métodos para deducir las características de una población a partir de una muestra. Luego describe diferentes tipos de muestreo probabilístico como el aleatorio simple y estratificado. También define conceptos como muestra, distribución muestral, distribución de probabilidad discreta y continua, y el teorema central del límite. Por último, presenta algunos ejemplos para ilustrar estos conceptos.
Este documento resume conceptos clave de distribución de probabilidades, incluyendo variables aleatorias, funciones de probabilidad y distribución, mediana, media, varianza, y distribuciones discretas como la binomial, hipergeométrica y de Poisson. Explica cómo calcular estadísticos como la mediana y cómo aplicar estas distribuciones a ejemplos numéricos.
Este documento presenta un resumen de trabajo sobre distribuciones de probabilidad realizado por un estudiante llamado Oscar Torres Rivera para su clase de Estadística impartida por el profesor Gerardo Edgar Mata Ortiz. El trabajo explica seis distribuciones comunes: Bernoulli, binomial, Poisson, normal, gamma y t-student.
Este documento describe diferentes tipos de distribuciones de probabilidad discretas y continuas, incluyendo la distribución binomial, normal, t-Student, Ji-cuadrado y F de Fisher. Explica conceptos clave como variables aleatorias, funciones de probabilidad y distribución, y cómo estas distribuciones se utilizan en análisis estadístico.
Este documento describe diferentes medidas de dispersión como la desviación típica, varianza, coeficiente de variación y rango. Explica que las medidas de dispersión cuantifican cuán alejados están los valores de una variable de su media y son útiles para comparar la variabilidad entre muestras. También define cada medida de dispersión, sus propiedades y usos.
Este documento presenta conceptos básicos de inferencia estadística como población, muestra, estadísticos muestrales, distribuciones de probabilidad de estadísticos muestrales. Explica que la media muestral tiene una distribución normal asintótica y que la varianza muestral sigue una distribución chi-cuadrado con n-1 grados de libertad. También introduce conceptos como la desigualdad de Chebychev, la ley de los grandes números y el teorema del límite central para inferir distribuciones a partir de
Este documento introduce varias distribuciones de probabilidad discretas y continuas comunes, incluidas las distribuciones binomial, Poisson, normal, gamma y t de Student. Explica los parámetros y campos de variación de cada distribución y proporciona ejemplos para ilustrar su aplicación en diferentes contextos como ensayos clínicos, procesos de producción y medición de datos.
Distribución de Probabilidades Discretas (1).pdfHerreraRoger
1) El documento presenta información sobre distribuciones de probabilidades discretas como la uniforme, Bernoulli, binomial y Poisson. 2) Define conceptos como variable aleatoria, función de distribución de probabilidad, media, varianza y desviación estándar para cada distribución. 3) Incluye ejemplos ilustrativos para cada distribución utilizando parámetros numéricos.
El documento trata sobre la probabilidad, la estadística y algunas distribuciones de probabilidad comunes. Explica que la probabilidad mide la frecuencia de resultados para un experimento dado, mientras que la estadística analiza muestras de datos para explicar fenómenos. También define distribuciones como Bernoulli, binomial y exponencial, que describen la probabilidad de diferentes tipos de resultados.
Este documento trata sobre tres tipos de estimadores puntuales: estimadores insesgados, estimadores obtenidos con el método de momentos y estimadores obtenidos con el método de máxima verosimilitud. También discute la estimación por intervalos y el teorema del límite central.
El documento describe conceptos básicos de estadística como función de probabilidad, distribución de probabilidad, variables aleatorias discretas y continuas, esperanza matemática, varianza, distribuciones binomial, de Poisson y normal. Explica que una distribución de probabilidad indica los valores posibles de un experimento y su probabilidad, y que puede ser generada por variables aleatorias discretas o continuas.
El documento explica diferentes medidas de dispersión como el rango, desviación típica, varianza y coeficiente de variación. Define cada medida y describe sus características y cálculos. El rango es la diferencia entre el valor máximo y mínimo, la desviación típica mide la dispersión de los datos respecto a la media, la varianza es la esperanza del cuadrado de la desviación de la variable respecto a la media y el coeficiente de variación muestra la desviación típica como porcentaje de la media.
Este documento explica las medidas de dispersión o variabilidad, que muestran cuánto varían los valores de una distribución en relación a la media. Describe medidas como la desviación estándar, varianza, rango y coeficiente de variación, y cómo se calculan y usan para comparar muestras y determinar qué tan concentrados o dispersos están los datos.
Este documento presenta información sobre diferentes tipos de distribuciones de probabilidad como la distribución de Poisson, binomial, geométrica, t-student y exponencial. Explica conceptos clave como media, varianza y desviación estándar. También proporciona detalles históricos sobre creadores de distribuciones como Jakob Bernoulli y Simeón Poisson. El objetivo es dar a conocer estas distribuciones y cómo aplicarlas.
Este documento presenta información sobre diferentes tipos de distribuciones de probabilidad como la distribución de Poisson, binomial, geométrica, t-student y exponencial. Explica conceptos clave como media, varianza y desviación estándar. También proporciona detalles históricos sobre creadores de distribuciones como Jakob Bernoulli y Simeón Poisson. El objetivo es dar a conocer estas distribuciones y cómo aplicarlas.
Este documento presenta información sobre diferentes tipos de distribuciones de probabilidad como la distribución de Poisson, binomial, geométrica, t-student y exponencial. Explica conceptos clave como media, varianza y desviación estándar. También proporciona detalles históricos sobre creadores de estas distribuciones como Jakob Bernoulli y cómo se aplican estos conceptos estadísticos.
1) El documento habla sobre el análisis de riesgos en la evaluación de proyectos usando simulación de Montecarlo. 2) Explica que el riesgo y la incertidumbre se pueden describir mediante distribuciones de probabilidad y que la simulación de Montecarlo permite estimar la variabilidad total. 3) Describe diferentes métodos de muestreo, distribuciones de probabilidad y cómo generar valores aleatorios para realizar la simulación.
Procesos industriales área manufacturaYovana Marin
Este documento proporciona información sobre varias distribuciones de probabilidad, incluyendo la distribución de Bernoulli, la distribución binomial, la distribución de Poisson, la distribución normal, la distribución gamma y la distribución t de Student. Define cada distribución y proporciona ejemplos para ilustrar sus características y cómo se pueden usar para modelar diferentes tipos de datos.
El documento trata sobre inferencia estadística. Explica que la inferencia estadística comprende métodos para deducir las características de una población a partir de una muestra. Luego describe diferentes tipos de muestreo probabilístico como el aleatorio simple y estratificado. También define conceptos como muestra, distribución muestral, distribución de probabilidad discreta y continua, y el teorema central del límite. Por último, presenta algunos ejemplos para ilustrar estos conceptos.
Este documento resume conceptos clave de distribución de probabilidades, incluyendo variables aleatorias, funciones de probabilidad y distribución, mediana, media, varianza, y distribuciones discretas como la binomial, hipergeométrica y de Poisson. Explica cómo calcular estadísticos como la mediana y cómo aplicar estas distribuciones a ejemplos numéricos.
Este documento presenta un resumen de trabajo sobre distribuciones de probabilidad realizado por un estudiante llamado Oscar Torres Rivera para su clase de Estadística impartida por el profesor Gerardo Edgar Mata Ortiz. El trabajo explica seis distribuciones comunes: Bernoulli, binomial, Poisson, normal, gamma y t-student.
Este documento describe diferentes tipos de distribuciones de probabilidad discretas y continuas, incluyendo la distribución binomial, normal, t-Student, Ji-cuadrado y F de Fisher. Explica conceptos clave como variables aleatorias, funciones de probabilidad y distribución, y cómo estas distribuciones se utilizan en análisis estadístico.
Este documento describe diferentes medidas de dispersión como la desviación típica, varianza, coeficiente de variación y rango. Explica que las medidas de dispersión cuantifican cuán alejados están los valores de una variable de su media y son útiles para comparar la variabilidad entre muestras. También define cada medida de dispersión, sus propiedades y usos.
Este documento presenta conceptos básicos de inferencia estadística como población, muestra, estadísticos muestrales, distribuciones de probabilidad de estadísticos muestrales. Explica que la media muestral tiene una distribución normal asintótica y que la varianza muestral sigue una distribución chi-cuadrado con n-1 grados de libertad. También introduce conceptos como la desigualdad de Chebychev, la ley de los grandes números y el teorema del límite central para inferir distribuciones a partir de
Este documento introduce varias distribuciones de probabilidad discretas y continuas comunes, incluidas las distribuciones binomial, Poisson, normal, gamma y t de Student. Explica los parámetros y campos de variación de cada distribución y proporciona ejemplos para ilustrar su aplicación en diferentes contextos como ensayos clínicos, procesos de producción y medición de datos.
Distribución de Probabilidades Discretas (1).pdfHerreraRoger
1) El documento presenta información sobre distribuciones de probabilidades discretas como la uniforme, Bernoulli, binomial y Poisson. 2) Define conceptos como variable aleatoria, función de distribución de probabilidad, media, varianza y desviación estándar para cada distribución. 3) Incluye ejemplos ilustrativos para cada distribución utilizando parámetros numéricos.
El documento trata sobre la probabilidad, la estadística y algunas distribuciones de probabilidad comunes. Explica que la probabilidad mide la frecuencia de resultados para un experimento dado, mientras que la estadística analiza muestras de datos para explicar fenómenos. También define distribuciones como Bernoulli, binomial y exponencial, que describen la probabilidad de diferentes tipos de resultados.
Este documento trata sobre tres tipos de estimadores puntuales: estimadores insesgados, estimadores obtenidos con el método de momentos y estimadores obtenidos con el método de máxima verosimilitud. También discute la estimación por intervalos y el teorema del límite central.
El documento describe conceptos básicos de estadística como función de probabilidad, distribución de probabilidad, variables aleatorias discretas y continuas, esperanza matemática, varianza, distribuciones binomial, de Poisson y normal. Explica que una distribución de probabilidad indica los valores posibles de un experimento y su probabilidad, y que puede ser generada por variables aleatorias discretas o continuas.
El documento explica diferentes medidas de dispersión como el rango, desviación típica, varianza y coeficiente de variación. Define cada medida y describe sus características y cálculos. El rango es la diferencia entre el valor máximo y mínimo, la desviación típica mide la dispersión de los datos respecto a la media, la varianza es la esperanza del cuadrado de la desviación de la variable respecto a la media y el coeficiente de variación muestra la desviación típica como porcentaje de la media.
Este documento explica las medidas de dispersión o variabilidad, que muestran cuánto varían los valores de una distribución en relación a la media. Describe medidas como la desviación estándar, varianza, rango y coeficiente de variación, y cómo se calculan y usan para comparar muestras y determinar qué tan concentrados o dispersos están los datos.
Este documento presenta información sobre diferentes tipos de distribuciones de probabilidad como la distribución de Poisson, binomial, geométrica, t-student y exponencial. Explica conceptos clave como media, varianza y desviación estándar. También proporciona detalles históricos sobre creadores de distribuciones como Jakob Bernoulli y Simeón Poisson. El objetivo es dar a conocer estas distribuciones y cómo aplicarlas.
Este documento presenta información sobre diferentes tipos de distribuciones de probabilidad como la distribución de Poisson, binomial, geométrica, t-student y exponencial. Explica conceptos clave como media, varianza y desviación estándar. También proporciona detalles históricos sobre creadores de distribuciones como Jakob Bernoulli y Simeón Poisson. El objetivo es dar a conocer estas distribuciones y cómo aplicarlas.
Este documento presenta información sobre diferentes tipos de distribuciones de probabilidad como la distribución de Poisson, binomial, geométrica, t-student y exponencial. Explica conceptos clave como media, varianza y desviación estándar. También proporciona detalles históricos sobre creadores de estas distribuciones como Jakob Bernoulli y cómo se aplican estos conceptos estadísticos.
1) El documento habla sobre el análisis de riesgos en la evaluación de proyectos usando simulación de Montecarlo. 2) Explica que el riesgo y la incertidumbre se pueden describir mediante distribuciones de probabilidad y que la simulación de Montecarlo permite estimar la variabilidad total. 3) Describe diferentes métodos de muestreo, distribuciones de probabilidad y cómo generar valores aleatorios para realizar la simulación.
Procesos industriales área manufacturaYovana Marin
Este documento proporciona información sobre varias distribuciones de probabilidad, incluyendo la distribución de Bernoulli, la distribución binomial, la distribución de Poisson, la distribución normal, la distribución gamma y la distribución t de Student. Define cada distribución y proporciona ejemplos para ilustrar sus características y cómo se pueden usar para modelar diferentes tipos de datos.
Similar a ESTADISTICA 1- IIIPARCIAL.PXLGFGHGFCXCFVXCC (20)
GUION DE LA SEGURIDAD DE LA INFORMACION_YANIRA.docxbivianordonez99
TIPOS DE ORGANIZACIONES ECONÓMICAS
Los usuarios internos son personas dentro de una organización empresarial que utilizan información financiera. Ejemplos de usuarios internos son propietarios, gerentes y empleados.
Los usuarios externos son personas ajenas a la entidad comercial (organización) que utilizan información contable. Ejemplos de usuarios externos son proveedores, bancos, clientes, inversionistas, inversionistas potenciales y autoridades fiscales.
Diapositivas Olvinmovimientos, (MTM, MODAPS). Empleo de películas. Síntesis d...bivianordonez99
movimientos, (MTM, MODAPS).
Empleo de películas.
Síntesis de datos tipo.
Evaluación analítica.
movimientos, (MTM, MODAPS).
Empleo de películas.
Síntesis de datos tipo.
Evaluación analítica.
Guía sobre Estilo para Elaboración de Informe de Práctica Profesional Supervi...bivianordonez99
Este documento proporciona lineamientos para la elaboración de informes de práctica profesional supervisada en la Universidad Católica de Honduras. Define criterios de formato como sangría, márgenes, tipografía y numeración de páginas. También ofrece pautas para la redacción como el uso de tercera persona y reglas de ortografía. Explica cómo nombrar títulos, objetivos y describir actividades, además de incluir figuras y anexos. El objetivo es estandarizar la presentación de informes
Son etiquetas de advertencia que están pegadas en las maquinarias pesadas, Caterpillar, Komatsu, Volvo etc., para evitar accidentes durante la operación y mantenimiento en la operación de equipos pesados por los operadores y mecánicos.
Las etiquetas de advertencia fueron primeramente pura letras y en Ingles ,luego letras y una imagen , y ahora solo es Imagen que el operador tiene que describir el riesgo y evitar los accidentes de acuerdo a la imagen que esta en los equipos pesados.
Catálogo General Ideal Standard 2024 Amado Salvador Distribuidor Oficial Vale...AMADO SALVADOR
Amado Salvador, como distribuidor oficial, te ofrece el catálogo completo de productos de Ideal Standard, líder indiscutible en soluciones para baños. Descubre el último catálogo de Ideal Standard y conoce la amplia gama de productos de calidad insuperable, como cerámica sanitaria, grifería y accesorios, bañeras e hidromasaje, platos de ducha y mobiliario de baño.
Ideal Standard es reconocido mundialmente por su diseño excepcional, calidad incomparable y una tradición de excelencia que perdura en el sector. Como distribuidor oficial de Ideal Standard, Amado Salvador te ofrece acceso a una variedad de productos diseñados para satisfacer las necesidades más exigentes en cuanto a estilo, funcionalidad y durabilidad.
Desde elegantes lavabos hasta innovadoras soluciones de grifería, cada producto de Ideal Standard refleja el compromiso de la marca con la excelencia y la innovación. Amado Salvador, como distribuidor oficial de Ideal Standard, brinda acceso directo a sus productos que combinan estilo, confort y rendimiento.
Explora el último catálogo de Ideal standard y descubre por qué es la elección preferida de profesionales y clientes exigentes en todo el mundo. Confía en Amado Salvador como tu distribuidor oficial para obtener los productos de calidad de Ideal Standard que transformarán tu baño en un espacio de lujo y comodidad.
2. ORACIÓN DEL ESTUDIANTE
Oh Dios, fuente de la sabiduría, principio supremo de
todas las cosas:
Derrama tu luz en mi inteligencia y aleja de ella las
tinieblas del pecado y de la ignorancia.
Concédeme penetración para entender, memoria para
retener, método para aprender, lucidez para interpretar
y expresarme.
Ayuda al comienzo de mi trabajo, dirige su progreso,
corona su fin, por Cristo, nuestro Señor, Amén.
Santo Tomás de Aquino
5. OBJETIVO
Competencias A Desarrollar
La habilidad para comprender cómo las
variables aleatorias reflejan resultados
inciertos en el ámbito de la probabilidad y
estadística es fundamental. Esto implica la
destreza para distinguir entre variables
aleatorias discretas y continuas,
comprendiendo a fondo sus distribuciones de
probabilidad y características distintivas.
6. VARIABLES ALEATORIAS
Una variable aleatoria es una función que asigna un valor
numérico, al resultado de un experimento aleatorio.
Recordemos que el resultado de un experimento aleatorio
depende del azar. Una variable aleatoria puede ser discreta
o continua.
POR EJEMPLO:
7. VARIABLE ALEATORIA DISCRETA
Y
VARIABLE ALEATORIA CONTINUA
Una variable aleatoria discreta es aquella que puede asumir un número
contable de valores.
Una variable aleatoria continua, es aquella que puede asumir un número
incontable de valores.
8. DISTRIBUCIÓN NORMAL
La distribución normal nos permite crear modelos de muchísimas
variables y fenómenos, como por ejemplo, la estatura de los
habitantes de un país, la temperatura ambiental de una ciudad, los
errores de medición y muchos otros fenómenos naturales, sociales y
hasta psicológicos.
La distribución normal se define completamente mediante dos
parámetros: la media (μ) siempre estará al centro de la curva con
forma de campana. y la desviación estándar o típica (σ) es la medida
de variabilidad más utilizada y nos indica que tan dispersos se
encuentran los datos.
9. DISTRIBUCIÓN NORMAL ESTÁNDAR:
Las siguientes características:
Toma en cuenta la media(µ) y la desviación estándar(σ).
El área bajo la curva es igual a 1.
Es simétrica respecto al centro, o a la media.
50% de los valores son mayores que la media, y 50% de los valores
son menores que la media.
La media es igual a la mediana y a la moda.
Tiene una asíntota en y = 0 (eje x).
10. ¿QUÉ ES UNA DISTRIBUCIÓN CONTINUA?
La distribución continua caracteriza las
probabilidades asociadas a los
diversos valores posibles de una
variable aleatoria continua. Se
entiende por variable aleatoria
continua aquella que presenta un
conjunto infinito de valores posibles,
denominado rango, y que no puede
ser contado de manera discreta.
Ejemplo
Calcular la probabilidad de que un
hombre pese entre 160 y 170 libras.
11. FUNCIÓN DE DISTRIBUCIÓN ACUMULATIVA
La función de distribución acumulativa especifica la
probabilidad de que una variable aleatoria sea menor o
igual a un valor dado.
F(x) = P(X ≤ x)
12. MEDIA O VALOR ESPERADO
La media, llamada también valor esperado o esperanza, se denota con μ o E(X) y
su fórmula es:
13. VARIANZA
Es una medida de dispersión, se representa con σ2 o V(X) y su fórmula es:
Una fórmula alternativa y mucho más rápida es la siguiente:
14. DESVIACIÓN ESTÁNDAR
Es una medida de dispersión. Se representa con σ y se calcula teniendo en cuenta
que es la raíz cuadrada (positiva) de la varianza:
La varianza y la desviación estándar dan medidas cuantitativas de cuánta dispersión
hay en la distribución o población de valores x.
15. CALCULO DE PROBABILIDAD
El cálculo de probabilidades implica el uso de herramientas matemáticas para determinar la
viabilidad de que ocurra un evento en específico, todo ello dentro de un conjunto de
condiciones predefinidas. Este proceso se integra en la teoría de la probabilidad, una rama
de las matemáticas y la estadística que abarca todos los conocimientos relacionados con
las probabilidades.
La aplicación práctica de este análisis se evidencia en diversos contextos, entre ellos, en
juegos de azar como el póker. Es esencial recordar que la probabilidad representa la
posibilidad de que se materialice un fenómeno o hecho particular, siempre bajo
circunstancias específicas.
16. CALCULO DE PROBABILIDAD
La fórmula básica para el cálculo de probabilidades que debemos tener en
cuenta es la siguiente:
CP=
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔
𝑵ú𝒎𝒆𝒓𝒐 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔𝑪𝑷
EJEMPLO:
Supongamos que voy a lanzar un dado y deseo saber la probabilidad de
obtener como resultado un múltiplo de tres: