Escolar Documentos
Profissional Documentos
Cultura Documentos
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
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
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
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
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
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
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
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
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
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 )
.0228
0.954499736103641
.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
0.5398
0.4602
0.5398
.9772
VOY REEMPLAZAR
0.0228
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.
d de NO rechazar el embarque?
es la probabilidad de rechazar el
externos produce el
selecciona en forma
ra la elaboracin de
alud a razn de 4
obabilidades
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
actamente un reloj
actamente un reloj
de esta produccin
uede suponerse de
desviacin tpica
y 120?