Binomial distribution

15 n
0.7 p

cumulative
X P(X) probability
0 0.00000 0.00000
1 0.00000 0.00000
2 0.00001 0.00001
3 0.00008 0.00009
4 0.00058 0.00067
5 0.00298 0.00365
6 0.01159 0.01524
7 0.03477 0.05001
8 0.08113 0.13114
9 0.14724 0.27838
10 0.20613 0.48451
11 0.21862 0.70313
12 0.17004 0.87317
13 0.09156 0.96473
14 0.03052 0.99525
15 0.00475 1.00000
1.00000

10.500 expected value

3.150 variance
1.775 standard deviation

Binomial distribution (n = 15, p = 0.7)

0.25

0.20

0.15
P(X)

0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X

Binomial distribution
 X

15 n
0.7 p

cumulative
X P(X) probability
0 0.00000 0.00000
1 0.00000 0.00000
2 0.00001 0.00001
3 0.00008 0.00009
4 0.00058 0.00067
5 0.00298 0.00365
6 0.01159 0.01524
7 0.03477 0.05001
8 0.08113 0.13114
9 0.14724 0.27838
10 0.20613 0.48451
11 0.21862 0.70313
12 0.17004 0.87317
13 0.09156 0.96473
14 0.03052 0.99525
15 0.00475 1.00000
1.00000

10.500 expected value

3.150 variance
1.775 standard deviation

Binomial distribution (n = 15, p = 0.7)

0.25

0.20

0.15
P(X)

0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X

Binomial distribution

15 n
 0.7 p

cumulative
X P(X) probability
0 0.00000 0.00000
1 0.00000 0.00000
2 0.00001 0.00001
3 0.00008 0.00009
4 0.00058 0.00067
5 0.00298 0.00365
6 0.01159 0.01524
7 0.03477 0.05001
8 0.08113 0.13114
9 0.14724 0.27838
10 0.20613 0.48451
11 0.21862 0.70313
12 0.17004 0.87317
13 0.09156 0.96473
14 0.03052 0.99525
15 0.00475 1.00000
1.00000

10.500 expected value

3.150 variance
1.775 standard deviation

Binomial distribution (n = 15, p = 0.7)

0.25

0.20

0.15
P(X)

0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X

Hypergeometric distribution

20 N, population size
10 S, number of possible occurrences
15 n, sample size
 cumulative
X P(X) probability
5 0.01625 0.01625
6 0.13545 0.15170
7 0.34830 0.50000
8 0.34830 0.84830
9 0.13545 0.98375
10 0.01625 1.00000
1.00000

7.500 expected value

0.987 variance
0.993 standard deviation
1.7. Se toma una muestra de cinco elementos de una población grande en la cual 10% de los elementos
está defectuoso.
a) Determine la probabilidad de que ninguno de los elementos de la muestra esté defectuoso.
b) Determine la probabilidad de que sólo uno de ellos tenga defectos.
c) Determine la probabilidad de que uno o más de los elementos de la muestra estén defectuosos.
d) Determine la probabilidad de que menos de dos elementos de la muestra tenga defectos.

Datos
Tamaño de muestra (n)= 5
Probabilidad de éxito (p)= 0.1
Probabilidad de fracaso (q)=(1-p)= 0.9

VALOR DE X COMBINAT(n,X) p^x q^(n-x)

0 1 1 0.59049
1 5 0.1 0.6561
2 10 0.01 0.729
3 10 0.001 0.81
4 5 0.0001 0.9
5 1 0.00001 1

a) Determine la probabilidad de que ninguno de los elementos de la muestra esté defectuoso.

P(x=0)= 0.59049

b) Determine la probabilidad de que sólo uno de ellos tenga defectos.

P(X= 1)= 0.32805

c) Determine la probabilidad de que uno o más de los elementos de la muestra estén defectuosos.

P(X ≥ 1)= =P(X=1)+P(X=2)+P(X=3)+P(X=4)+P(X=5)

0.40951

Aplicando la Regla del Complemento

P(X ≥ 1)= = 1 -[P(X=0)]
=1- 0.59049
0.40951
al 10% de los elementos 1.3. La rapidez con la que las compañías de servicios resuelven problemas es de sum
Telephone Company afirma que es capaz de resolver 70% de los problemas de los c
té defectuoso. reportan. Suponga que los 15 casos que se reportaron el día de hoy son representa
a) ¿Cuántos problemas esperaría que se resolvieran el día de hoy? ¿Cuál es la desvi
estén defectuosos. b) ¿Cuál es la probabilidad de que 10 problemas se resuelvan el día de hoy?
nga defectos. c) ¿Cuál es la probabilidad de que 10 u 11 problemas se resuelvan el día de hoy?
d) ¿Cuál es la probabilidad de que más de 10 problemas se resuelvan el día de hoy?

Datos
Tamaño de muestra (n)= 15
Probabilidad de éxito (p)= 0.7
Probabilidad de fracaso (q)=(1-p)= 0.3

P(X) a) ¿Cuántos problemas esperaría que se resolvieran el día de hoy? ¿Cuál es la desv
0.59049
0.32805 Media (μ)= n*p = 10.5
0.0729
0.0081 Varianza (σ2)=n*p*q= 3.15
0.00045
0.00001 Desv. Est. (σ)=raiz(n*p*q)= 1.77482393
1
b) ¿Cuál es la probabilidad de que 10 problemas se resuelvan el día de hoy?

esté defectuoso. P(X=10)=

COMBINAT(
VALOR DE X n,X) p^x
10 3003 0.02824752

P(X=10)= =DISTR.BINOM.N(10;15;0.7;FALSO)
0.20613038

a estén defectuosos. c) ¿Cuál es la probabilidad de que 10 u 11 problemas se resuelvan el día de hoy?

P(10 ≤ X ≤ 11)= =P(X=10)+P(X=11)

=0.20613 + 0.21862
0.42475

d) ¿Cuál es la probabilidad de que más de 10 problemas se resuelvan el día de hoy

P(X > 10)= =P(X=11)+ P(X=12)+P(X=13)+P(X=14)+P(X=15)

=0.21862 +0.17004 + 0.09156 + 0.09152 + 0.0
0.51549
 Binomial distribution

15
0.7
s resuelven problemas es de suma importancia. Georgetown
r 70% de los problemas de los clientes el mismo día en que se
on el día de hoy son representativos de todas las quejas.
el día de hoy? ¿Cuál es la desviación estándar? X P(X)
resuelvan el día de hoy? 0 0.00000
as se resuelvan el día de hoy?
emas se resuelvan el día de hoy? 1 0.00000
2 0.00001
3 0.00008
4 0.00058
5 0.00298
6 0.01159
7 0.03477
8 0.08113
n el día de hoy? ¿Cuál es la desviación estándar? 9 0.14724
10 0.20613
11 0.21862
12 0.17004
13 0.09156
14 0.03052
15 0.00475
1.00000
e resuelvan el día de hoy?
10.500
3.150
1.775

q^(n-x) P(X) Binomial distribution (n = 15, p = 0

0.00243 0.20613038
0.25

M.N(10;15;0.7;FALSO)
0.20

as se resuelvan el día de hoy? 0.15

P(X)

0.10

0.05

emas se resuelvan el día de hoy?

0.00
0 1 2 3 4 5 6 7 8 9 10
=12)+P(X=13)+P(X=14)+P(X=15)
X
7004 + 0.09156 + 0.09152 + 0.03052 + 0.00475
 n
p

cumulative
probability
0.00000
0.00000
0.00001
0.00009
0.00067
0.00365
0.01524
0.05001
0.13114
0.27838
0.48451
0.70313
0.87317
0.96473
0.99525
1.00000

expected value
variance
standard deviation

mial distribution (n = 15, p = 0.7)

2 3 4 5 6 7 8 9 10 11 12 13 14 15
X
Un geólogo recolectó 10 especímenes de roca basáltica y 10 especímenes de granito. Él le pide a su
ayudante de laboratorio que seleccione al azar 15 de los especímenes para analizarlos.
a. ¿Cuál es la función masa de probabilidad del número de especímenes de granito seleccionados para su
análisis?
b. ¿Cuál es la probabilidad de que todos los especímenes de uno de los dos tipos de roca sean
seleccionados para su análisis?
c. ¿Cuál es la probabilidad de que el número de especímenes de granito seleccionados para analizarlos
esté dentro de una desviación estándar de su valor medio?

Datos
Tamaño de poblaciòn (N)= 20
Nùmero de èxitos en la poblaciòn ( r) 10
Tamaño de muestra (n)= 15

a. ¿Cuál es la función masa de probabilidad del número de especímenes de granito seleccionados para su
análisis?

X P(x) ACUMULADA
5 0.01625 0.01625
6 0.13545 0.15170
7 0.34830 0.50000
8 0.34830 0.84830
9 0.13545 0.98375
10 0.01625 1.00000
1.00000

Media (μ)= 7.500

Varianza (σ2)= 0.987
Desv. Est. (σ)= 0.993

Hypergeometric distribution (N = 20, S = 10, n = 15)

0.40

0.35

0.30

0.25
P(X)

0.20

0.15

0.10

0.05

0.00
5 6 7 8 9 10
 P(X)
0.20

0.15

0.10

0.05

0.00
5 6 7 8 9 10
X

Hypergeometric distribution

20 N, population size
10 S, number of possible occurrences
15 n, sample size

cumulative
X P(X) probability
5 0.01625 0.01625
6 0.13545 0.15170
7 0.34830 0.50000
8 0.34830 0.84830
9 0.13545 0.98375
10 0.01625 1.00000
1.00000

7.500 expected value

0.987 variance
0.993 standard deviation

Hypergeometric distribution (N = 20, S = 10, n = 15)

0.40

0.35

0.30

0.25
P(X)

0.20

0.15

0.10

0.05

0.00
5 6 7 8 9 10
X
0.05

0.00
5 6 7 8 9 10
X
 Un director de personal que va a entrevistar a 11 ingeniero
seis entrevistas para el primer día y cinco para el segundo.
de granito. Él le pide a su orden aleatorio.
a analizarlos. a. ¿Cuál es la probabilidad que x de los cuatro mejores cand
de granito seleccionados para su b. ¿Cuántos de los mejores cuatro candidatos se espera que

os tipos de roca sean

eleccionados para analizarlos

Datos
Tamaño de poblaciòn (N)=
Nùmero de èxitos en la poblaciòn ( r)
Tamaño de muestra (n)=

de granito seleccionados para su

N, population size
S, number of possible occurrences
n, sample size

expected value

standard deviation
e va a entrevistar a 11 ingenieros para cuatro vacantes de trabajo ha programado
mer día y cinco para el segundo. Suponga que los candidatos son entrevistados en

que x de los cuatro mejores candidatos sean entrevistados el primer día?

cuatro candidatos se espera que puedan ser entrevistados el primer día?
Suponga que sólo 0.10% de todas las computadoras de cierto tipo experimentan fallas del CPU durante el
periodo de garantía. Considere una muestra de 10 000 computadoras.

a. ¿Cuáles son el valor esperado y la desviación estándar del número de computadoras en la muestra que
tienen el defecto?

b. ¿Cuál es la probabilidad (aproximada) de que más de 10 computadoras muestreadas tengan el defecto?

c. ¿Cuál es la probabilidad (aproximada) de que ninguna computadora muestreada tenga el defecto?

Datos
Probabilidad de èxito (p)=
Tamaño de muestra (n)=
 fallas del CPU durante el
Terremotos. Durante un periodo reciente de 100 años hubo 93 terrem
al menos 6.0 grados en la escala de Richter) (según datos del World Al
Suponiendo que la distribución de Poisson es un modelo adecuado, ca
adoras en la muestra que terremotos importantes por año, después calcule la probabilidad de q
año seleccionado al azar sea

readas tengan el defecto?

a. 0 b. 1 c. 2 d. 3
da tenga el defecto?
Los resultados reales son: 47 años (ningún terremoto importante); 31
años (2 terremotos importantes); 5 años (3 terremotos importantes); 2
importantes); 0 años (5 terremotos importantes); 1 año (6 terremotos
importantes). Después de comparar las probabilidades calculadas con
modelo la distribución de Poisson?
e de 100 años hubo 93 terremotos importantes en el mundo (de
er) (según datos del World Almanac and Book of Facts).
on es un modelo adecuado, calcule el número medio de
s calcule la probabilidad de que el número de terremotos en un

e. 4 f. 5 g. 6 h. 7

n terremoto importante); 31 años (1 terremoto importante); 13

(3 terremotos importantes); 2 años (4 terremotos
rtantes); 1 año (6 terremotos importantes); 1 año (7 terremotos
probabilidades calculadas con los resultados reales, ¿es un buen