DISTRIBUCION DESCRIPCION

DE X f (x), , 2
1
k
f (x) = donde |X| = k
Uniforme Discreta Es aquella variable X donde cada valor de X tiene la misma probabilidad de ocurrir.
para cada x 2 X

Experimento de Bernoulli: Aquel en que hay s

olo dos resultados: EXITO con proba-
n x x
bilidad p, y FRACASO con probabilidad 1 p. Hay independencia entre repeticiones del f (x) = x p (1 p)n para
experimento. x = 0, 1, 2, . . . , n.
Binomial
2
Si se repite un experimento de Bernoulli n veces, X =# total de exitos. = np = np(1 p)

f (x) = p(1 p)x 1

para x = 1, 2, 3, . . .
En un experimento de Bernoulli, X =# de repeticiones necesarias hasta obtener el primer
Geome
trica
exito. 1 2 1 p
= p = p2

f (x) = xk 11 pk (1 p)x k
En un experimento de Bernoulli, X =# de repeticiones necesarias hasta obtener exacta- para x = k, k + 1, k + 2, . . .
Binomial Negativa
mente k exitos, donde k es un valor fijo. k 2
= p = k 1p2p
k N k
x n x
De un conjunto con N elementos se toman n, uno por uno y sin reemplazo. En el con- f (x) = N

junto hay k elementos con la caracterstica EXITO, y N k con la caracterstica FRACASO. n
Hipergeome
trica
= nk
N
X =# de exitos obtenidos entre los n elementos tomados. 2 k N n
= n Nk 1 N N 1

Experimento multinomial: Aquel en que hay varios resultados: r1 con probabilidad p1 ,

r2 con probabilidad p2 , . . . , rk con probabilidad pk . Adem
as p1 + p2 + + pk = 1. Hay
independencia entre repeticiones del experimento. f (x1 , x2 , . . . , xk ) =
Multinomial n!
X es multinomial si en n repeticiones de un experimento multinomial, f (x1 , x2 , . . . , xk ) px1 px2 2 . . . pxkk
da la probabilidad de que r1 ocurra x1 veces, r2 ocurra x2 veces, . . . , rk ocurra xk veces. x1 ! x2 ! . . . xk ! 1
N
otese que x1 + x2 + + xk = n.

X =# de veces que ocurre un suceso en un intervalo I. El intervalo t puede ser de tiempo, e ( )x

f (x) =
area, volumen, etc., con las condiciones siguientes:
x!
(i) Podemos dividir el intervalo I en subintervalos muy peque nos de manera que la proba-
para x = 0, 1, 2, 3, . . .
bilidad de mas de una ocurrencia del suceso en cada uno es cero.
Poisson (ii) La probabilidad de ocurrencia del suceso en cualquier subintervalo es proporcional a su 2
= =
longitud.
(iii) La probabilidad de ocurrencia del suceso es la misma para cada subintervalo con la
= promedio de ocurrencias del
misma longitud, y se tiene independencia: la ocurrencia del suceso en un subintervalo no
suceso en el intervalo I.
afecta la probabilidad de que ocurra el suceso en los demas.
166 Captulo 5 Algunas distribuciones de probabilidad discreta
5.70 Una empresa compra lotes grandes de cierta
clase de dispositivo electrnico. Utiliza un mtodo que
rechaza el lote completo si en una muestra aleatoria de
100 unidades se encuentran 2 o ms unidades defec-
tuosas.
a) Cul es el nmero promedio de unidades defec-
tuosas que se encuentran en una muestra de 100
unidades si el lote tiene 1% de unidades defec-
tuosas?
b) Cul es la varianza?
5.71 Se sabe que para cierto tipo de alambre de cobre
ocurren, en promedio, 1.5 fallas por milmetro. Si se
supone que el nmero de fallas es una variable aleatoria
de Poisson, cul es la probabilidad de que no ocurran
fallas en cierta parte de un alambre que tiene 5 mil-
metros de longitud? Cul es el nmero promedio de
fallas en alguna parte de un alambre que tiene 5 mil-
metros de longitud?
5.72 Los baches en ciertas carreteras pueden ser
un problema grave y requieren reparacin constante-
mente. Con un tipo especfico de terreno y mezcla de
concreto la experiencia sugiere que hay, en promedio, 2
baches por milla despus de cierta cantidad de uso. Se
supone que el proceso de Poisson se aplica a la variable
aleatoria nmero de baches.
a) Cul es la probabilidad de que no aparezca ms de
un bache en un tramo de una milla?
b) Cul es la probabilidad de que no aparezcan ms
de 4 baches en un tramo determinado de 5 millas?
5.73 En ciudades grandes los administradores de los
hospitales se preocupan por el flujo de personas en las
salas de urgencias. En un hospital especfico de una
Ejercicios de repaso
5.77 Durante un proceso de produccin, cada da se
seleccionan al azar 15 unidades de la lnea de ensamble
para verificar el porcentaje de artculos defectuosos. A
partir de informacin histrica se sabe que la probabi-
lidad de tener una unidad defectuosa es de 0.05. Cada
vez que se encuentran dos o ms unidades defectuosas
en la muestra de 15, el proceso se detiene. Este pro-
cedimiento se utiliza para proporcionar una seal en
caso de que aumente la probabilidad de unidades de-
fectuosas.
a) Cul es la probabilidad de que en un da deter-
minado se detenga el proceso de produccin? (Su-
ponga 5% de unidades defectuosas).
b) Suponga que la probabilidad de una unidad defec-
tuosa aumenta a 0.07. Cul es la probabilidad de
que en cualquier da no se detenga el proceso
de produccin?
ciudad grande el personal disponible no puede alojar
el flujo de pacientes cuando hay ms de 10 casos de
emergencia en una hora determinada. Se supone que la
llegada de los pacientes sigue un proceso de Poisson y
los datos histricos sugieren que, en promedio, llegan
5 emergencias cada hora.
a) Cul es la probabilidad de que en una hora de-
terminada el personal no pueda alojar el flujo de
pacientes?
b) Cul es la probabilidad de que, durante un turno
de 3 horas, lleguen ms de 20 emergencias?
5.74 Se sabe que 3% de las personas a las que se les
revisa el equipaje en un aeropuerto lleva objetos cues-
tionables. Cul es la probabilidad de que una serie de
15 personas cruce sin problemas antes de que se atrape
a una con un objeto cuestionable? Cul es el nmero
esperado de personas que pasarn antes de que se de-
tenga a una?
5.75 La tecnologa ciberntica ha generado un am-
biente donde los robots funcionan con el uso de mi-
croprocesadores. La probabilidad de que un robot falle
durante cualquier turno de 6 horas es de 0.10. Cul es
la probabilidad de que un robot funcione a lo sumo 5
turnos antes de fallar?
5.76 Se sabe que la tasa de rechazo en las encuestas
telefnicas es de aproximadamente 20%. Un reportaje
del peridico indica que 50 personas respondieron a
una encuesta antes de que una se rehusara a participar.
a) Comente acerca de la validez del reportaje. Utilice
una probabilidad en su argumento.
b) Cul es el nmero esperado de personas encues-
tadas antes de que una se rehse a responder?
5.78 Se considera utilizar una mquina automtica
de soldadura para un proceso de produccin. Antes de
comprarla se probar para verificar si tiene xito en
99% de sus soldaduras. Si no es as, se considerar que
no es eficiente. La prueba se llevar a cabo con un pro-
totipo que requiere hacer 100 soldaduras. La mquina
se aceptar para la produccin slo si no falla en ms
de 3 soldaduras.
a) Cul es la probabilidad de que se rechace una
buena mquina?
b) Cul es la probabilidad de que se acepte una m-
quina ineficiente que solde bien el 95% de las veces?
5.79 Una agencia de renta de automviles en un ae-
ropuerto local tiene 5 Ford, 7 Chevrolet, 4 Dodge, 3
Honda y 4 Toyota disponibles. Si la agencia selecciona
al azar 9 de estos automviles para transportar delega-
Ejercicios de repaso
dos desde el aeropuerto hasta el centro de convencio-
nes de la ciudad, calcule la probabilidad de que rente 2
Ford, 3 Chevrolet, 1 Dodge, 1 Honda y 2 Toyota.
5.80 En un centro de mantenimiento que recibe llama-
das de servicio de acuerdo con un proceso de Poisson
entran, en promedio, 2.7 llamadas por minuto. Calcule
la probabilidad de que
a) no entren ms de 4 llamadas en cualquier minuto;
b) entren menos de 2 llamadas en cualquier minuto;
c) entren ms de 10 llamadas en un periodo de 5 mi-
nutos.
5.81 Una empresa de electrnica afirma que la pro-
porcin de unidades defectuosas de cierto proceso
es de 5%. Un comprador sigue el procedimiento estn-
dar de inspeccionar 15 unidades elegidas al azar de un
lote grande. En una ocasin especfica el comprador
encuentra 5 unidades defectuosas.
a) Cul es la probabilidad de que esto ocurra, si es
correcta la afirmacin de que el 5% de los produc-
tos son defectuosos?
b) Cmo reaccionara usted si fuera el comprador?
5.82 Un dispositivo electrnico de conmutacin fa-
lla ocasionalmente, pero se considera que es satisfac-
torio si, en promedio, no comete ms de 0.20 errores
por hora. Se elige un periodo particular de 5 horas para
probarlo. Si durante este periodo no ocurre ms de un
error, se considera que el funcionamiento del disposi-
tivo es satisfactorio.
a) Cul es la probabilidad de que, con base en la
prueba, se considere que un dispositivo no funciona
satisfactoriamente cuando en realidad s lo hace?
Suponga que se trata de un proceso de Poisson.
b) Cul es la probabilidad de que un dispositivo se
considere satisfactorio cuando, de hecho, el nmero
medio de errores que comete es 0.25? De nue-
vo suponga que se trata de un proceso de Poisson.
5.83 Una empresa por lo general compra lotes gran-
des de cierta clase de dispositivo electrnico. Utiliza un
mtodo que rechaza el lote completo si encuentra 2 o
ms unidades defectuosas en una muestra aleatoria de
100 unidades.
a) Cul es la probabilidad de que el mtodo rechace
un lote que tiene un 1% de unidades defectuosas?
b) Cul es la probabilidad de que acepte un lote que
tiene 5% de unidades defectuosas?
5.84 El propietario de una farmacia local sabe que, en
promedio, llegan a su farmacia 100 personas por hora.
a) Calcule la probabilidad de que en un periodo de-
terminado de 3 minutos nadie entre a la farmacia.
b) Calcule la probabilidad de que en un periodo dado
de 3 minutos entren ms de 5 personas a la farmacia.
167
5.85 a) Suponga que lanza 4 dados. Calcule la proba-
bilidad de obtener al menos un 1.
b) Suponga que lanza 2 dados 24 veces. Calcule la
probabilidad de obtener al menos uno (1, 1), es
decir, un ojos de serpiente.
5.86 Suponga que de 500 billetes de lotera que se
venden, 200 le dan a ganar al comprador al menos el
costo del billete. Ahora suponga que usted compra 5
billetes. Calcule la probabilidad de ganar al menos el
costo de 3 billetes.
5.87 Las imperfecciones en los tableros de circuitos
y los microcircuitos de computadora se prestan para un
anlisis estadstico. Un tipo particular de tablero con-
tiene 200 diodos y la probabilidad de que falle alguno
es de 0.03.
a) Cul es el nmero promedio de fallas en los dio-
dos?
b) Cul es la varianza?
c) El tablero funciona si no tiene diodos defectuosos.
Cul es la probabilidad de que un tablero fun-
cione?
5.88 El comprador potencial de un motor particular re-
quiere (entre otras cosas) que ste encienda 10 veces con-
secutivas. Suponga que la probabilidad de que encienda
es de 0.990. Suponga que los resultados de intentos de
encendido son independientes.
a) Cul es la probabilidad de que el posible compra-
dor acepte el motor despus de slo 10 encendidos?
b) Cul es la probabilidad de que se tenga que in-
tentar encenderlo 12 veces durante el proceso de
aceptacin?
5.89 El esquema de aceptacin para comprar lotes
que contienen un nmero grande de bateras consiste
en probar no ms de 75 bateras seleccionadas al azar
y rechazar el lote completo si falla una sola batera.
Suponga que la probabilidad de encontrar una que falle
es de 0.001.
a) Cul es la probabilidad de que se acepte un lote?
b) Cul es la probabilidad de que se rechace un lote
en la vigsima prueba?
c) Cul es la probabilidad de que se rechace en 10 o
menos pruebas?
5.90 Una empresa que perfora pozos petroleros opera
en varios sitios y su xito o fracaso es independiente de
un sitio a otro. Suponga que la probabilidad de xito en
cualquier sitio especfico es de 0.25.
a) Cul es la probabilidad de que un perforador ba-
rrene 10 sitios y tenga un xito?
b) El perforador se declarar en bancarrota si tiene
que perforar 10 veces antes de que ocurra el pri-
mer xito. Cules son las perspectivas de banca-
rrota del perforador?
168 Captulo 5 Algunas distribuciones de probabilidad discreta
5.91 Considere la informacin del ejercicio de repaso
5.90. El perforador cree que dar en el clavo si logra
el segundo xito durante o antes del sexto intento. Cul
es la probabilidad de que el perforador d en el clavo?
5.92 Una pareja decide que continuar procreando hi-
jos hasta tener dos hombres. Suponiendo que P(hombre)
= 0.5, cul es la probabilidad de que su segundo nio
sea su cuarto hijo?
5.93 Por los investigadores se sabe que una de cada
100 personas es portadora de un gen que lleva a la heren-
cia de cierta enfermedad crnica. En una muestra alea-
toria de 1000 individuos, cul es la probabilidad de que
menos de 7 individuos porten el gen? Utilice la aproxi-
macin de Poisson. Nuevamente con la aproximacin de
Poisson, determine cul es el nmero promedio aproxi-
mado de personas, de cada 1000, que portan el gen.
5.94 Un proceso de fabricacin produce piezas para
componentes electrnicos. Se supone que la proba-
bilidad de que una pieza salga defectuosa es de 0.01.
Durante una prueba de esta suposicin se obtiene una
muestra al azar de 500 artculos y se encuentran 15 de-
fectuosos.
a) Cul es su respuesta ante la suposicin de que
1% de las piezas producidas salen defectuosas?
Asegrese de acompaar su comentario con un
clculo de probabilidad.
b) Suponiendo que 1% de las piezas producidas salen
con defecto, cul es la probabilidad de que slo
se encuentren 3 defectuosas?
c) Resuelva de nueva cuenta los incisos a) y b) utili-
zando la aproximacin de Poisson.
5.95 Un proceso de manufactura produce artcu-
los en lotes de 50. Se dispone de planes de muestreo
en los cuales los lotes se apartan peridicamente y
se someten a cierto tipo de inspeccin. Por lo general se
supone que la proporcin de artculos defectuosos que
resultan del proceso es muy pequea. Para la empresa
tambin es importante que los lotes que contengan ar-
tculos defectuosos sean un evento raro. El plan actual
de inspeccin consiste en elegir lotes al azar, obtener
muestras peridicas de 10 en 50 artculos de un lote y,
si ninguno de los muestreados est defectuoso, no se
realizan acciones.
a) Suponga que se elige un lote al azar y 2 de cada 50
artculos tienen defecto. Cul es la probabilidad
de que al menos uno en la muestra de 10 del lote
est defectuoso?
b) A partir de su respuesta en el inciso a), comente
sobre la calidad de este plan de muestreo.
c) Cul es el nmero promedio de artculos defec-
tuosos encontrados por cada 10 artculos de la
muestra?
5.96 Considere la situacin del ejercicio de repaso
5.95. Se ha determinado que el plan de muestreo debe-
ra ser lo suficientemente amplio como para que haya
una probabilidad alta, digamos de 0.9, de que si hay
tantos como 2 artculos defectuosos en el lote de 50 que
se muestrea, al menos uno se encuentre en el muestreo.
Con tales restricciones, cuntos de los 50 artculos de-
beran muestrearse?
5.97 La seguridad nacional requiere que la tecnologa
de defensa sea capaz de detectar proyectiles o misiles
ofensivos. Para que este sistema de defensa sea exitoso,
se requieren mltiples pantallas de radar. Suponga que se
usarn tres pantallas independientes y que la proba-
bilidad de que cualquiera detecte un misil ofensivo es
de 0.8. Es evidente que si ninguna pantalla detecta un
misil ofensivo, el sistema no funciona y requiere me-
jorarse.
a) Cul es la probabilidad de que ninguna de las
pantallas detecte un misil ofensivo?
b) Cul es la probabilidad de que slo una de las
pantallas detecte el misil?
c) Cul es la probabilidad de que al menos 2 de las
3 pantallas detecten el misil?
5.98 Suponga que es importante que el sistema ge-
neral de defensa contra misiles sea lo ms perfecto po-
sible.
a) Suponga que la calidad de las pantallas es la que se
indica en el ejercicio de repaso 5.97. Cuntas
se requieren, entonces, para asegurar que la proba-
bilidad de que el misil pase sin ser detectado sea
de 0.0001?
b) Suponga que se decide utilizar slo 3 pantallas e
intentar mejorar la capacidad de deteccin de las
mismas. Cul debe ser la eficacia individual de
las pantallas (es decir, la probabilidad de detec-
cin), para alcanzar la eficacia que se requiere en
el inciso a?
5.99 Regrese al ejercicio de repaso 5.95a. Vuelva a
calcular la probabilidad usando la distribucin bino-
mial. Comente su respuesta.
5.100 En cierto departamento universitario de esta-
dstica hay dos vacantes. Cinco personas las solicitan;
dos de ellas tienen experiencia con modelos lineales y
una tiene experiencia con probabilidad aplicada. Al co-
mit de seleccin se le indic elegir a los 2 aspirantes
aleatoriamente.
a) Cul es la probabilidad de que los 2 elegidos sean
los que tienen experiencia con modelos lineales?
b) Cul es la probabilidad de que, de los 2 elegidos,
uno tenga experiencia con modelos lineales y el
otro con probabilidad aplicada?
Solutions for Exercises in Chapter 5 67

5.74 = 1 and 2 = 0.99.

5.75 = t = (1.5)(5) = 7.5 and P (X = 0|t = 7.5) = e7.5 = 5.53 104 .

5.76 (a) P (X 1|t = 2) = 0.4060.

(b) = t = (2)(5) = 10 and P (X 4|t = 10) = 0.0293.

5.77 (a) P (X > 10|t = 5) = 1 P (X 10|t = 5) = 1 0.9863 = 0.0137.

(b) = t = (5)(3) = 15, so P (X > 20|t = 15) = 1 P (X 20| = 15) =
1 0.9170 = 0.0830.

5.78 p = 0.03 with a g(x; 0.03). So, P (X = 16) = (0.03)(1 0.03)15 = 0.0190 and
1
= 0.03 1 = 32.33.

5.79 So, Let Y = number of shifts until it fails. Then Y follows a geometric distribution
with p = 0.10. So,

P (Y 6) = g(1; 0.1) + g(2; 0.1) + + g(6; 0.1)

= (0.1)[1 + (0.9) + (0.9)2 + + (0.9)5 ] = 0.4686.

5.80 (a) The number of people interviewed before the first refusal follows a geometric
distribution with p = 0.2. So.

! (1 0.2)50
P (X 51) = (0.2)(1 0.2)x = (0.2) = 0.00001,
x=51
1 (1 0.2)

which is a very rare event.

1
(b) = 0.2
1 = 4.

5.81 n = 15 and p = 0.05.

1 # $
" 15
(a) P (X 2) = 1 P (X 1) = 1 x
(0.05)x (1 0.05)15x = 1 0.8290 =
x=0
0.1710.
1 # $
" 15
(b) p = 0.07. So, P (X 1) = x
(0.07)x (1 0.07)15x = 1 0.7168 = 0.2832.
x=0

5.82 n = 100 and p = 0.01.

3 #
" $
100
(a) P (X > 3) = 1 P (X 3) = 1 x
(0.01)x (1 0.01)100x = 1 0.9816 =
x=0
0.0184.
3 #
" $
100
(b) For p = 0.05, P (X 3) = x
(0.05)x (1 0.05)100x = 0.2578.
x=0
68 Chapter 5 Some Discrete Probability Distributions

5.83 Using the extension of the hypergeometric distribution, the probability is

!5"!7"!4"!3"!4"
2 3
!15" 1 2
= 0.0308.
2

5.84 = 2.7 call/min.

4
# e2.7 (2.7)x
(a) P (X 4) = x!
= 0.8629.
x=0
1
# e2.7 (2.7)x
(b) P (X 1) = x!
= 0.2487.
x=0

(c) t = 13.5. So,

10
# e13.5 (13.5)x
P (X > 10) = 1 P (X 10) = 1 x!
= 1 0.2971 = 0.7129.
x=0

5.85 n = 15 and p = 0.05.

! "
(a) P (X = 5) = 15
5
(0.05)5(1 0.05)10 = 0.000562.
(b) I would not believe the claim of 5% defective.

5.86 = 0.2, so t = (0.2)(5) = 1.

1
# e1 (1)x
(a) P (X 1) = x!
= 2e1 = 0.7358. Hence, P (X > 1) = 10.7358 = 0.2642.
x=0
1
# e1.25 (1.25)x
(b) = 0.25, so t = 1.25. P (X|le1) = x!
= 0.6446.
x=0

1 !
# "
100
5.87 (a) 1 P (X 1) = 1 x
(0.01)x (0.99)100x = 1 0.7358 = 0.2642.
x=0
1 !
# "
100
(b) P (X 1) = x
(0.05)x (0.95)100x = 0.0371.
x=0

e5 50
5.88 (a) 100 visits/60 minutes with t = 5 visits/3 minutes. P (X = 0) = 0!
= 0.0067.
5
# e5 5x
(b) P (X > 5) = 1 x!
= 1 0.6160 = 0.3840.
x=0
!4" ! 1 "0 ! 5 "4
5.89 (a) P (X 1) = 1 P (X = 0) = 1 0 6 6
= 1 0.4822 = 0.5177.
!24" ! 1 "0 ! 35 "24
(b) P (X 1) = 1 P (X = 0) = 1 0 36 36
= 1 0.5086 = 0.4914.

5.90 n = 5 and p = 0.4; P (X 3) = 1 P (X 2) = 1 0.6826 = 0.3174.

5.91 (a) = bp = (200)(0.03) = 6.

(b) 2 = npq = 5.82.
Solutions for Exercises in Chapter 5 69
6 0
(c) P (X = 0) = e (6)
0!
= 0.0025 (using the Poisson approximation).
P (X = 0) = (0.97)200 = 0.0023 (using the binomial distribution).

5.92 (a) p10 q 0 = (0.99)10 = 0.9044.

(b) p10 q 1210 = (0.99)10 (0.01)2 = (0.9044)(0.0001) = 0.00009.

5.93 n = 75 with p = 0.999.

(a) X = the number of trials, and P (X = 75) = (0.999)75 (0.001)0 = 0.9277.

(b) Y = the number of trials before the first failure (geometric distribution), and
P (Y = 20) = (0.001)(0.999)19 = 0.000981.
(c) 1 P (no failures) = 1 (0.001)0 (0.999)10 = 0.01.
! " 9
5.94 (a) 101
pq = (10)(0.25)(0.75)9 = 0.1877.
(b) Let X be the number of drills until the first success. X follows a geometric
distribution with p = 0.25. So, the probability of having the first 10 drills being
failure is q 10 = (0.75)10 = 0.056. So, there is a small prospects for bankruptcy.
Also, the probability that the first success appears in the 11th drill is pq 10 = 0.014
which is even smaller.
! " k xk !61"
5.95 It is a negative binomial distribution. x1k1
p q = 21 (0.25)2 (0.75)4 = 0.0989.
! " k xk !41"
5.96 It is a negative binomial distribution. x1k1
p q = 21 (0.5)2 (0.5)2 = 0.1875.

5.97 n = 1000 and p = 0.01, with = (1000)(0.01) = 10. P (X < 7) = P (X 6) = 0.1301.

5.98 n = 500;

(a) If p = 0.01,
14 $
# %
500
P (X 15) = 1 P (X 14) = 1 (0.01)x (0.99)500x = 0.00021.
x=0
x

This is a very rare probability and thus the original claim that p = 0.01 is ques-
tionable.
! "
(b) P (X = 3) = 5003
(0.01)3 (0.99)497 = 0.1402.
(c) For (a), if p = 0.01, = (500)(0.01) = 5. So

P (X 15) = 1 P (X 14) = 1 0.9998 = 0.0002.

For (b),
P (X = 3) = 0.2650 0.1247 = 0.1403.

5.99 N = 50 and n = 10.

70 Chapter 5 Some Discrete Probability Distributions

(20)(48
10)
(a) k = 2; P (X 1) = 1 P (X = 0) = 1 50 = 1 0.6367 = 0.3633.
(10)
(b) Even though the lot contains 2 defectives, the probability of reject the lot is not
very high. Perhaps more items should be sampled.
(c) = (10)(2/50) = 0.4.
(20)(48n )
5.100 Suppose n items need to be sampled. P (X 1) = 1 50 = 1 (50n)(49n) 0.9.
(n) (50)(49)
The solution is n = 34.

5.101 Define X = number of screens will detect. Then X b(x; 3, 0.8).

(a) P (X = 0) = (1 0.8)3 = 0.008.

(b) P (X = 1) = (3)(0.2)2(0.8) = 0.096.
(c) P (X 2) = P (X = 2) + P (X = 3) = (3)(0.8)2 (0.2) + (0.8)3 = 0.896.

5.102 (a) P (X = 0) = (1 0.8)n 0.0001 implies that n 6.

(b) (1 p)3 0.0001 implies p 0.9536.
2
5.103 n = 10 and p = 50
= 0.04.
! "
10
P (X 1) = 1 P (X = 0) 1 (0.04)0 (1 0.04)10 = 1 0.6648 = 0.3351.
0
n
The approximation is not that good due to N
= 0.2 is too large.

(22)(30)
5.104 (a) P = = 0.1.
(52)
(21)(11)
(b) P = = 0.2.
(52)
5.105 n = 200 with p = 0.00001.
4 $
# %
200
(a) P (X 5) = 1 P (X 4) = 1 x
(0.00001)x(1 0.00001)200x 0. This
x=0
is a rare event. Therefore, the claim does not seem right.
(b) = np = (200)(0.00001) = 0.02. Using Poisson approximation,
4
& (0.02)x
P (X 5) = 1 P (X 4) 1 e0.02 = 0.
x=0
x!