Binomial distribution

20 n
0.2 p

X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

cumulative
P(X)
probability
0.01153 ####
0.05765 ####
0.13691 ####
0.20536 ####
0.21820 ####
0.17456 ####
0.10910 ####
0.05455 ####
0.02216 ####
0.00739 ####
0.00203 ####
0.00046 ####
0.00009 ####
0.00001 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
1.00000
4.000 expected value
3.200 variance
1.789 standard deviation

Binomial distribution (n = 20, p = 0.2)

0.25
0.20

P(X)

0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
X

Binomial distribution
30 n
0.2 p

X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

cumulative
P(X)
probability
0.00124 ####
0.00928 ####
0.03366 ####
0.07853 ####
0.13252 ####
0.17228 ####
0.17946 ####
0.15382 ####
0.11056 ####
0.06756 ####
0.03547 ####
0.01612 ####
0.00638 ####
0.00221 ####
0.00067 ####
0.00018 ####
0.00004 ####
0.00001 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
1.00000
6.000 expected value
4.800 variance
2.191 standard deviation

Binomial distribution (n = 30, p = 0.2)

0.20
0.18
0.16
0.14
0.12

P(X)

0.12
0.10
0.08
0.06
0.04
0.02
0.00
0

10 12 14 16 18 20 22 24 26 28 30
X

Binomial distribution
18 n
0.01 p

X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

cumulative
P(X)
probability
0.83451 ####
0.15173 ####
0.01303 ####
0.00070 ####
0.00003 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
1.00000
0.180 expected value
0.178 variance
0.422 standard deviation

Binomial distribution (n = 18, p = 0.01)

0.90
0.80
0.70
0.60

P(X)

0.60
0.50
0.40
0.30
0.20
0.10
0.00
0 1

2 3

4 5

6 7

8 9 10 11 12 13 14 15 16 17 18
X

Poisson distribution
4 mean rate of occurrence

X
0

cumulative
P(X)
probability
0.01832 ####
0.01832
4.000 expected value
4.000 variance
2.000 standard deviation

Poisson distribution
4 mean rate of occurrence

X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

cumulative
P(X)
probability
0.01832 ####
0.07326 ####
0.14653 ####
0.19537 ####
0.19537 ####
0.15629 ####
0.10420 ####
0.05954 ####
0.02977 ####
0.01323 ####
0.00529 ####
0.00192 ####
0.00064 ####
0.00020 ####
0.00006 ####
0.00002 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
1.00000

4.000 expected value

4.000 variance
2.000 standard deviation

Poisson distribution ( = 4)
0.25
0.20

P(X)

0.15
0.10
0.05
0.00
0 1

2 3

4 5

6 7

8 9 10 11 12 13 14 15 16 17 18
X

Poisson distribution
2 mean rate of occurrence

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

cumulative
P(X)
probability
0.13534 ####
0.27067 ####
0.27067 ####
0.18045 ####
0.09022 ####
0.03609 ####
0.01203 ####
0.00344 ####
0.00086 ####
0.00019 ####
0.00004 ####
0.00001 ####
0.00000 ####
0.00000 ####
0.00000 ####
1.00000
2.000 expected value
2.000 variance
1.414 standard deviation

Poisson distribution ( = 2)
0.30
0.25

P(X)

0.20
0.15
0.10
0.05
0.00
0

7
X

Binomial distribution
18 n
0.1 p

X
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

cumulative
P(X)
probability
0.15009 ####
0.30019 ####
0.28351 ####
0.16801 ####
0.07000 ####
0.02178 ####
0.00524 ####
0.00100 ####
0.00015 ####
0.00002 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
0.00000 ####
1.00000
1.800 expected value
1.620 variance
1.273 standard deviation

10

11

12

13

Binomial distribution (n = 18, p = 0.1)

0.35
0.30

P(X)

0.25
0.20
0.15
0.10
0.05
0.00
0 1

2 3

4 5

6 7

8 9 10 11 12 13 14 15 16 17 18
X

Poisson distribution
0.1 mean rate of occurrence

X
0
1
2
3
4
5

cumulative
P(X)
probability
0.90484 ####
0.09048 ####
0.00452 ####
0.00015 ####
0.00000 ####
0.00000 ####
1.00000
0.100 expected value
0.100 variance
0.316 standard deviation

Poisson distribution ( = 0.1)

1.00
0.90
0.80
0.70
P(X)

0.60
0.50

P(X)

0.60
0.50
0.40
0.30
0.20
0.10
0.00
0

Poisson distribution
0.1 mean rate of occurrence

X
0
1
2
3
4
5

cumulative
P(X)
probability
0.90484 ####
####
0.00452 ####
0.00015 ####
0.00000 ####
0.00000 ####
1.00000
0.100 expected value
0.100 variance
0.316 standard deviation

Poisson distribution ( = 0.1)

1.00
0.90
0.80
0.70
P(X)

0.60
0.50
0.40
0.30
0.20
0.10
0.00
0

3
X

normal distribution
P(lower) P(upper)
.9750
.0250

z
1.96

normal distribution
P(lower) P(upper)
z
.0668
.9332 -1.50
normal distribution
P(lower) P(upper)
.9772
.0228

z
2.00

normal distribution
P(lower) P(upper)
.9505
.0495

z
1.65

normal distribution
P(lower) P(upper)
z
.4602
.5398 -0.10

X
31900

mean
32000

std.dev
1000

normal distribution
P(lower) P(upper)
z
.0228
.9772 -2.00

X
30000

mean
32000

std.dev
1000

f(z)

zNormal

distribution
-3

-2
P(lower) P(upper)
.7500
.2500

-1
z
X
0.67 111.40

0
-0.67
mean
106.00

1
0.67

std.dev
8.00

normal distribution
P(lower) P(upper)
.7500
.2500

z
X
0.67 111.3959

mean
106

std.dev
8

normal distribution
P(lower) P(upper)
.7500
.2500

z
X
0.67 111.3959

mean
106

std.dev
8

f(z)

zNormal

distribution
-3

-2

-1

z
-0.67

X
100.6

-0.67
mean
106.0

z
X
0.67 111.3959

mean
106

std.dev
8

normal distribution
P(lower) P(upper)
z
X
.2500
.7500 -0.67 100.6041

mean
106

std.dev
8

P(lower) P(upper)
.2500
.7500

normal distribution
P(lower) P(upper)
.7500
.2500

std.dev
8.0

f(z)

Normal distribution

-3

-2
P(lower) P(upper)
.2500
.7500

z
-0.67

-1
X
100.6

mean
-0.67
106.0

z
X
0.67 111.3959

mean
106

std.dev
8

normal distribution
P(lower) P(upper)
z
X
.2500
.7500 -0.67 100.6041

mean
106

std.dev
8

normal distribution
P(lower) P(upper)
.7500
.2500

std.dev 0
8.0

.- Un embarque de 100 artculos contiene 20 unidades defectuosas y 80 unidades no de

Como se puede apreciar, se trata, en realidad, de un nmero muy grande de

defectuosas. Al llegar el embarque a su destino, el importador toma una muestra a

inspecciona las unidades que la componen, con el criterio de que si se encuentra u

defectuosa, se rechazara todo el embarque.

a) Si la muestra es de 20 unidades, Cul es la probabilidad de NO rechazar el em

b) Si se selecciona una muestra de 30 unidades, Cul es la probabilidad de r

embarque?

Binomial
n= 20
p=20/100

P( X = 0)

n=30
p= 0.20

P( X >= 1)

0.01153

1- P( X <= 0)
Rspta.

P( X <= 0)

0.99876

0.00124

En la empresa MODASA S.A. se realiza la produccin de tornillos para motores diesel por parte de
una mquina automtica italiana. Esta maquina dependiendo de factores externos produce el
1% de tornillo defectuosos. El Ingeniero jefe del rea de Control de Calidad selecciona en forma
aleatoria 18 tornillos al azar de la produccin:
a) Cual es la probabilidad de que exista a los ms 3 defectuosos.
b) Cual es la probabilidad de que exista por lo menos 3 defectuosos.
c) Cual es la probabilidad de que haya entre 2 y 4 defectuosos inclusive.

p= 1%
n= 18

P( X <= 3)
P( X >= 3)
P(x <= 2)
P( 2 <= X <= 4)

0.99997

1- P(x <= 2)

0.00073 rspta
0.99927

P( X <= 4) - P( X <= 1)
rspta
1.00000

0.98624

0.01376

Un ingeniero Jefe del rea de Control de Calidad de la empresa Enrique Cassinelli e Hijos, realiza
un examen de control respecto al agua que esta sacando del subsuelo para la elaboracin de
Gaseosas. Este lquido contiene ciertas bacterias no nocivas para la salud a razn de 4
bacterias por cm3. Si toma una muestra de 1 cm3, calcular las siguientes probabilidades

Un ingeniero Jefe del rea de Control de Calidad de la empresa Enrique Cassinelli e Hijos, realiza
un examen de control respecto al agua que esta sacando del subsuelo para la elaboracin de
Gaseosas. Este lquido contiene ciertas bacterias no nocivas para la salud a razn de 4
bacterias por cm3. Si toma una muestra de 1 cm3, calcular las siguientes probabilidades
a) Cual es la probabilidad que la muestra no contenga bacteria alguna?
b) Cual es la probabilidad de que en cm3 haya por lo menos 1 bacteria?

landa , mu

4 por cm3

a)
b)

P( X = 0)
0.01832
landa 4 1 cm3
cuanto es landa para 1/2 cm3
landa es 2

P( X >= 1)=

1- P( X <= 0)

P( X <= 0)

0.86466
0.13534

En un rio adyacente a una zona industrial, la probabilidad de que al tomar una muestra de agua
esta exceda el lmite de cromo que es de 10mg/L, es de 0.10. Si se toman 18 muestras de
agua del rio y se supone que las muestras de agua son independientes con respecto a la
presencia de cromo, entonces:

a) Encontrar la probabilidad de que dos de las muestras excedan el lmite de 10mg/L de cromo.
b) Hallar la probabilidad de que, al menos 4 muestras excedan el limite.
c) Determinar la probabilidad de que, cuando menos 3 muestras, pero menos de 7 excedan el
limite estipulado.

BINOMIAL

P= 0.10

n= 18

a) P( X > 2)

1- P( x <= 2)

P( x <= 2)
b)P ( X >= 4)
P( X <= 3)

0.73380

1- P( X <= 3)

0.09820

0.90180

c) P (3 <= X < 7)
P (X <= 6)
P( X <= 2)

0.26620

P (X <= 6) - P( X <= 2)
0.99883
0.73380

0.26503
En un estudio de Control de Calidad de determino que el 0.01% de los relojes producidos por una
empresa Taiwanesa son defectuosos.
a) Cual es la probabilidad de que un pedido de 1000 relojes exista exactamente un reloj

defectuoso?.
b) Cual es la probabilidad de que en el mismo pedido de 1000 relojes existan al menos dos

En un estudio de Control de Calidad de determino que el 0.01% de los relojes producidos por una
empresa Taiwanesa son defectuosos.
a) Cual es la probabilidad de que un pedido de 1000 relojes exista exactamente un reloj

defectuoso?.
b) Cual es la probabilidad de que en el mismo pedido de 1000 relojes existan al menos dos

defectuosos?
De Binomial
n>= 100
p= 0.01%
p<= 0.05
A una POISSON
landa= n*p
landa=

n=1000

landa= 0.01%*1000
0.1
P( X = 1)

0.09048

El total de defectuosos seria 0.09048*1000

90
a)
b)
c)
d)
e)
f)
g)
h)

P ( Z 1.96)
P( -2.00 Z 2.00)
P (Z 1.65 )
P( Z k ) = 0.99
P( Z k ) = 0.05
P( 2.32 Z 3.00 )
P( Z -1.50 )
P( Z -2.50 )

P(Z <= 2) - P( Z <= -2)

.9772

P(Z >= 1.65)

.0228

0.954499736103641

1- P(Z <= 1.65)

0.0495

P(Z <= 1.65)

.9505

NEUMA Per, es una empresa que produce llantas para automviles en nuestro pas. La vida til
de estas llantas se distribuye aproximadamente como una normal con media y desviacin
estndar iguales a 32000 y 1000 millas respectivamente. Esta empresa quiere exportar estas
llantas por lo que empieza a hacer ciertos clculos acerca de la calidad de estas llantas, para lo
cual se hace las siguientes preguntas:
1. Cul es la probabilidad de una llanta producida por esta empresa tenga una vida til de por
lo menos 31900 millas.
2. Si la empresa fija una garanta de 30000 millas. Qu porcentaje de esta produccin
necesitar ser reemplazada?

x: normal

media
desvest

32000
1000

P(X >= 31900) 1- P(X <= 31900)

P(X <= 31900)

0.5398

0.4602
0.5398

P(X >= 30000) No Reemplazas

.9772

VOY REEMPLAZAR

0.0228

Entre los diabticos, el nivel de glucosa en la sangre x, en ayunas puede suponerse de

distribucin aproximadamente normal, con media 106mg/100 ml y desviacin tpica
8mg/100ml, es decir: X
N (=106, 2 =64)
a) Hallar P(X <= 102)
b) Qu porcentaje de diabticos tienen niveles comprendidos entre 90 y 120?
c) Hallar P(106 <= X<=110)
d) Hallar el punto x caracterizado por la propiedad de que el 25% de todos los diabticos
tienen un nivel de glucosa en ayunas inferior o igual a x?

MEDIA= 106
DESVEST= 8

P( X <= x) = 0.25
X= 100.6
P( X >= x) = 0.25

1- P(X<= x) =0.25
1- 0.25= P(X<= x)
P(X <= x) = 0.75

as y 80 unidades no defectuosas.

mero muy grande de unidades

or toma una muestra aleatoria e

que si se encuentra una unidad

d de NO rechazar el embarque?

es la probabilidad de rechazar el

s diesel por parte de

externos produce el

selecciona en forma

inelli e Hijos, realiza

ra la elaboracin de

alud a razn de 4

obabilidades

inelli e Hijos, realiza

ra la elaboracin de

alud a razn de 4

obabilidades

na muestra de agua

man 18 muestras de

s con respecto a la

de 10mg/L de cromo.

nos de 7 excedan el

producidos por una

actamente un reloj

istan al menos dos

producidos por una

actamente un reloj

istan al menos dos

tro pas. La vida til

media y desviacin
uiere exportar estas
stas llantas, para lo

una vida til de por

de esta produccin

uede suponerse de
desviacin tpica

y 120?

todos los diabticos