Está en la página 1de 33

Binomial distribution

5 n
0.4 p

X
0
1
2
3
4
5

P(X)
0.07776
0.25920
0.34560
0.23040
0.07680
0.01024
1.00000

cumulative
probability
0.07776
0.33696
0.68256
0.91296
0.98976
1.00000

2.000 expected value


1.200 variance
1.095 standard deviation

Binomial distribution (n = 5, p = 0.4)


0.40
0.35
0.30

P(X)

0.25
0.20
0.15
0.10
0.05
0.00
0

3
X

Binomial distribution
15 n
0.45 p

X
0
1
2
3
4
5

P(X)
0.00013
0.00156
0.00896
0.03177
0.07798
0.14036

cumulative
probability
0.00013
0.00169
0.01065
0.04242
0.12040
0.26076

6
7
8
9
10
11
12
13
14
15

0.19140
0.20134
0.16474
0.10483
0.05146
0.01914
0.00522
0.00099
0.00012
0.00001
1.00000

0.45216
0.65350
0.81824
0.92307
0.97453
0.99367
0.99889
0.99988
0.99999
1.00000

6.750 expected value


3.713 variance
1.927 standard deviation

Binomial distribution
8 n
0.65 p

X
0
1
2
3
4
5
6
7
8

P(X)
0.00023
0.00335
0.02175
0.08077
0.18751
0.27859
0.25869
0.13726
0.03186
1.00000

cumulative
probability
0.00023
0.00357
0.02532
0.10609
0.29360
0.57219
0.83087
0.96814
1.00000

5.200 expected value


1.820 variance
1.349 standard deviation

Binomial distribution
8 n
0.95 p

X
0
1
2
3
4
5
6
7
8

P(X)
0.00000
0.00000
0.00000
0.00002
0.00036
0.00542
0.05146
0.27933
0.66342
1.00000

cumulative
probability
0.00000
0.00000
0.00000
0.00002
0.00037
0.00579
0.05724
0.33658
1.00000

7.600 expected value


0.380 variance
0.616 standard deviation

Binomial distribution
5 n
0.6 p

X
0
1
2
3
4
5

P(X)
0.01024
0.07680
0.23040
0.34560
0.25920
0.07776
1.00000

cumulative
probability
0.01024
0.08704
0.31744
0.66304
0.92224
1.00000

3.000 expected value


1.200 variance
1.095 standard deviation

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

cumulative
P(X)
probability
0.04979
0.04979
0.14936
0.19915
0.22404
0.42319
0.22404
0.64723
0.16803
0.81526
0.10082
0.91608
0.05041
0.96649
0.02160
0.98810
0.00810
0.99620
0.00270
0.99890
0.00081
0.99971
0.00022
0.99993
0.00006
0.99998
0.00001
1.00000
0.00000
1.00000
0.00000
1.00000
0.00000
1.00000
0.00000
1.00000
1.00000

Poisson distribution
3 mean rate of occurrence
cumulative

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

P(X)
0.04979
0.14936
0.22404
0.22404
0.16803
0.10082
0.05041
0.02160
0.00810
0.00270
0.00081
0.00022
0.00006
0.00001
0.00000
0.00000
0.00000
0.00000
1.00000

probability
0.04979
0.19915
0.42319
0.64723
0.81526
0.91608
0.96649
0.98810
0.99620
0.99890
0.99971
0.99993
0.99998
1.00000
1.00000
1.00000
1.00000
1.00000

3.000 expected value


3.000 variance
1.732 standard deviation

Poisson distribution
6 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
20
21
22
23

P(X)
0.00248
0.01487
0.04462
0.08924
0.13385
0.16062
0.16062
0.13768
0.10326
0.06884
0.04130
0.02253
0.01126
0.00520
0.00223
0.00089
0.00033
0.00012
0.00004
0.00001
0.00000
0.00000
0.00000
0.00000

cumulative
probability
0.00248
0.01735
0.06197
0.15120
0.28506
0.44568
0.60630
0.74398
0.84724
0.91608
0.95738
0.97991
0.99117
0.99637
0.99860
0.99949
0.99983
0.99994
0.99998
0.99999
1.00000
1.00000
1.00000
1.00000

24 0.00000
1.00000

1.00000

6.000 expected value


6.000 variance
2.449 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

P(X)
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

cumulative
probability
0.01832
0.09158
0.23810
0.43347
0.62884
0.78513
0.88933
0.94887
0.97864
0.99187
0.99716
0.99908
0.99973
0.99992
0.99998
1.00000
1.00000
1.00000
1.00000
1.00000

4.000 expected value


4.000 variance
2.000 standard deviation

Poisson distribution
3.33333 mean rate of occurrence

X
0
1
2
3
4
5
6
7
8
9

P(X)
0.03567
0.11891
0.19819
0.22021
0.18351
0.12234
0.06797
0.03236
0.01349
0.00499

cumulative
probability
0.03567
0.15459
0.35278
0.57299
0.75649
0.87883
0.94680
0.97916
0.99265
0.99764

10
11
12
13
14
15
16
17
18

0.00166
0.00050
0.00014
0.00004
0.00001
0.00000
0.00000
0.00000
0.00000
1.00000

0.99931
0.99981
0.99995
0.99999
1.00000
1.00000
1.00000
1.00000
1.00000

3.333 expected value


3.333 variance
1.826 standard deviation

Poisson distribution
5.2 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
20
21
22

P(X)
0.00552
0.02869
0.07458
0.12928
0.16806
0.17479
0.15148
0.11253
0.07314
0.04226
0.02198
0.01039
0.00450
0.00180
0.00067
0.00023
0.00008
0.00002
0.00001
0.00000
0.00000
0.00000
0.00000
1.00000

cumulative
probability
0.00552
0.03420
0.10879
0.23807
0.40613
0.58091
0.73239
0.84492
0.91806
0.96033
0.98230
0.99269
0.99719
0.99899
0.99966
0.99989
0.99997
0.99999
1.00000
1.00000
1.00000
1.00000
1.00000

5.200 expected value


5.200 variance
2.280 standard deviation

Poisson distribution
7.8 mean rate of occurrence
cumulative

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

P(X)
0.00041
0.00320
0.01246
0.03241
0.06319
0.09858
0.12816
0.14280
0.13923
0.12067
0.09412
0.06674
0.04338
0.02603
0.01450
0.00754
0.00368
0.00169
0.00073
0.00030
0.00012
0.00004
0.00002
0.00001
0.00000
0.00000
0.00000
0.00000
0.00000
1.00000

probability
0.00041
0.00361
0.01607
0.04848
0.11167
0.21025
0.33841
0.48121
0.62044
0.74111
0.83523
0.90197
0.94535
0.97138
0.98588
0.99342
0.99710
0.99879
0.99952
0.99982
0.99993
0.99998
0.99999
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000

7.800 expected value


7.800 variance
2.793 standard deviation

Poisson distribution
4 mean rate of occurrence

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

P(X)
0.01832
0.07326
0.14653
0.19537
0.19537
0.15629
0.10420
0.05954
0.02977
0.01323
0.00529
0.00192

cumulative
probability
0.01832
0.09158
0.23810
0.43347
0.62884
0.78513
0.88933
0.94887
0.97864
0.99187
0.99716
0.99908

12
13
14
15
16
17
18
19

0.00064
0.00020
0.00006
0.00002
0.00000
0.00000
0.00000
0.00000
1.00000

0.99973
0.99992
0.99998
1.00000
1.00000
1.00000
1.00000
1.00000

4.000 expected value


4.000 variance
2.000 standard deviation

Poisson distribution
4.5 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
20
21

X
0
1
2
3
4
5

P(X)
0.01111
0.04999
0.11248
0.16872
0.18981
0.17083
0.12812
0.08236
0.04633
0.02316
0.01042
0.00426
0.00160
0.00055
0.00018
0.00005
0.00002
0.00000
0.00000
0.00000
0.00000
0.00000
1.00000

cumulative
probability
0.01111
0.06110
0.17358
0.34230
0.53210
0.70293
0.83105
0.91341
0.95974
0.98291
0.99333
0.99760
0.99919
0.99975
0.99993
0.99998
0.99999
1.00000
1.00000
1.00000
1.00000
1.00000

4.500 expected value


4.500 variance
2.121 standard deviation
cumulative
P(X)
probability
0.36788
0.36788
0.36788
0.73576
0.18394
0.91970
0.06131
0.98101
0.01533
0.99634
0.00307
0.99941

6
7
8
9
10

0.00051
0.00007
0.00001
0.00000
0.00000
1.00000

0.99992
0.99999
1.00000
1.00000
1.00000

Poisson distribution
1 mean rate of occurrence

X
0
1
2
3
4
5
6
7
8
9
10

P(X)
0.36788
0.36788
0.18394
0.06131
0.01533
0.00307
0.00051
0.00007
0.00001
0.00000
0.00000
1.00000

cumulative
probability
0.36788
0.73576
0.91970
0.98101
0.99634
0.99941
0.99992
0.99999
1.00000
1.00000
1.00000

1.000 expected value


1.000 variance
1.000 standard deviation

Poisson distribution
10 mean rate of occurrence

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

P(X)
0.00005
0.00045
0.00227
0.00757
0.01892
0.03783
0.06306
0.09008
0.11260
0.12511
0.12511
0.11374
0.09478
0.07291
0.05208
0.03472
0.02170
0.01276
0.00709

cumulative
probability
0.00005
0.00050
0.00277
0.01034
0.02925
0.06709
0.13014
0.22022
0.33282
0.45793
0.58304
0.69678
0.79156
0.86446
0.91654
0.95126
0.97296
0.98572
0.99281

19
20
21
22
23
24
25
26
27
28
29
30
31
32

0.00373
0.00187
0.00089
0.00040
0.00018
0.00007
0.00003
0.00001
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
1.00000

0.99655
0.99841
0.99930
0.99970
0.99988
0.99995
0.99998
0.99999
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000

10.000 expected value


10.000 variance
3.162 standard deviation

Poisson distribution
3 mean rate of occurrence

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

P(X)
0.04979
0.14936
0.22404
0.22404
0.16803
0.10082
0.05041
0.02160
0.00810
0.00270
0.00081
0.00022
0.00006
0.00001
0.00000
0.00000
0.00000
0.00000
1.00000

cumulative
probability
0.04979
0.19915
0.42319
0.64723
0.81526
0.91608
0.96649
0.98810
0.99620
0.99890
0.99971
0.99993
0.99998
1.00000
1.00000
1.00000
1.00000
1.00000

3.000 expected value


3.000 variance
1.732 standard deviation

Poisson distribution
2 mean rate of occurrence

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

P(X)
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

cumulative
probability
0.13534
0.40601
0.67668
0.85712
0.94735
0.98344
0.99547
0.99890
0.99976
0.99995
0.99999
1.00000
1.00000
1.00000

14 0.00000
1.00000

1.00000

2.000 expected value


2.000 variance
1.414 standard deviation

X
0
1
2
3
4
5
6

X
0
1
2
3
4
5
6
7

X
0
1
2
3
4
5
6
7

cumulative
P(X)
probability
0.81873
0.81873
0.16375
0.98248
0.01637
0.99885
0.00109
0.99994
0.00005
1.00000
0.00000
1.00000
0.00000
1.00000
1.00000

cumulative
P(X)
probability
0.74082
0.74082
0.22225
0.96306
0.03334
0.99640
0.00333
0.99973
0.00025
0.99998
0.00002
1.00000
0.00000
1.00000
0.00000
1.00000
1.00000

cumulative
P(X)
probability
0.74082
0.74082
0.22225
0.96306
0.03334
0.99640
0.00333
0.99973
0.00025
0.99998
0.00002
1.00000
0.00000
1.00000
0.00000
1.00000
1.00000

Distribuciones de probabilidad
DISTRIBUCIN BINOMIAL
2. Si la probabilidad de que una persona que viaja por cierta aerolnea pague una tarifa adicional para ver
una pelcula es 0.65, si viajan 8 personas:
a) cul es la probabilidad de que slo dos personas que viajan por esta aerolnea paguen una tarifa
adicional para ver la pelcula?
b) cul es la probabilidad de por lo menos la mitad de los que viajan por esta aerolnea paguen una
tarifa adicional para ver la pelcula?

X
0
1
2
3
4
5
6
7
8

P(X)
0.00023
0.00335
0.02175
0.08077
0.18751
0.27859
0.25869
0.13726
0.03186
1.00000

a)p(x=2)=
b)p(x>=4)=

0.02175
0.89391

7. El 60% de profesionales leen su contrato de trabajo, incluyendo las letras pequeas. Suponga que el
nmero de empleados que leen cada una de las palabras de su contrato se puede modelar utilizando
la distribucin binomial. Considerando un grupo de cinco empleados, cul es la probabilidad de que:
a) Los cinco lean cada una de las palabras de su contrato
b) Al menos tres lean cada una de las palabras de su contrato
c) Menos de dos lean cada una de las palabras de su contrato
Variable X.n nmero de profesionales que leen cada palbra del contrato
n=
p=
X
0
1
2
3
4
5

P(X)
0.01024
0.07680
0.23040
0.34560
0.25920
0.07776
1.00000

a)p(x=5)
b)p(x>=3)
c)p(x<2)

5
0.6
0.07776
0.68256
0.08704

5. Una cooperativa agrcola sostiene que 95% de las sandas embarcadas estn maduras y listas para

comerse. Obtenga las probabilidad de que entre ocho sandas embarcadas


a) Las ocho estn maduras y listas para comerse
b) Como mnimo seis estn madura y listas para comerse
c) Como mximo cuatro estn maduras y listas para comerse

VariableX= No de sandias maduras


X=0.18

n=8
p=0.95

a) Las ocho estn maduras y listas para comerse

P(X)

0.00000

p(x=8)=

1
2

0.00000
0.00000

b) Como mnimo seis estn madura y listas para comers

0.00002

p(x>=6)=

4
5

0.00036
0.00542

c) Como mximo cuatro estn maduras y listas para com

0.05146

p(x<=4)=

7
8

0.27933
0.66342
1.00000

0.66342
0.99421
0.00037

maduras y listas para

y listas para comerse

as y listas para comerse

13. Un proceso de fabricacin utilizado para hacer artefactos plsticos Incas presentan una tasa de
defectuosos de 2 por cada 100 unidades. Las unidades se envan a los distribuidores en lotes de 200. Si
la probabilidad de que ms de tres salgan defectuosos supera el 0.3, Ud. planea vender en su lugar,
camisetas Gratefull Dead. Cul artculo vender?
n=
p= 2/100
u=

200
0.02
4
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

P(X)
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

cumulative
probability
0.01832
0.09158
0.23810
0.43347
0.62884
0.78513
0.88933
0.94887
0.97864
0.99187
0.99716
0.99908
0.99973
0.99992
0.99998
1.00000
1.00000
1.00000
1.00000
1.00000

p(x>3)=

0.56653

por ser mayor a0.3 se venderan camise

4.000 expected value


4.000 variance
2.000 standard deviation

14. Usted compra partes para bicicleta de un proveedor en Lima que tiene tres defectos por cada 100 partes.
Ud. est en el mercado para comprar 150 partes pero no aceptar una probabilidad de ms de 0.50 de
que ms de dos partes sean defectuosas. Ud. le comprar a dicho proveedor?
n=
p=3/100
u=

150
0.03
4.5

4.5 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
20
21

P(X)
0.01111
0.04999
0.11248
0.16872
0.18981
0.17083
0.12812
0.08236
0.04633
0.02316
0.01042
0.00426
0.00160
0.00055
0.00018
0.00005
0.00002
0.00000
0.00000
0.00000
0.00000
0.00000
1.00000

cumulative
probability
0.01111
0.06110
0.17358
0.34230
0.53210
0.70293
0.83105
0.91341
0.95974
0.98291
0.99333
0.99760
0.99919
0.99975
0.99993
0.99998
0.99999
1.00000
1.00000
1.00000
1.00000
1.00000

p(x>2)

0.82642

por lo tanto por ser mayor a 0.82 no se le comprara a

4.500 expected value


4.500 variance
2.121 standard deviation

15. La cantidad promedio de automviles que pasan por un tnel es de uno cada periodo de 2 minutos . El
paso de muchos vehculos en un perodo breve hace que sea peligroso recorrerlo. Determine la
probabilidad de que el nmero de automviles que pasan por all durante un perodo de 2 minutos sea
superior a tres.
n=
p=1/2
u=

2
0.5
1
1 mean rate of occurrence

X
0
1

P(X)
0.36788
0.36788

cumulative
probability
0.36788
0.73576

p(x>3)

0.01899

2
3
4
5
6
7
8
9
10

0.18394
0.06131
0.01533
0.00307
0.00051
0.00007
0.00001
0.00000
0.00000
1.00000

0.91970
0.98101
0.99634
0.99941
0.99992
0.99999
1.00000
1.00000
1.00000

1.000 expected value


1.000 variance
1.000 standard deviation

16. Un vendedor de productos electrnicos espera que el 2% de las unidades vendidas fallen durante el
perodo de garanta. Se hace un seguimiento de 500 unidades independientes para determinar su
desempeo durante el tiempo de garanta.
a) Cul es la probabilidad de que ninguna de las unidades fallen durante el perodo de garanta?
b) Cul es el nmero esperado de unidades que fallan durante el perodo de garanta?
c) Cul es la probabilidad de que fallen ms de dos unidades durante el perodo de garanta?
n=
p= 2%
u=

500
0.02
10

a)
b)
c)

10 mean rate of occurrence

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

P(X)
0.00005
0.00045
0.00227
0.00757
0.01892
0.03783
0.06306
0.09008
0.11260
0.12511
0.12511
0.11374
0.09478
0.07291
0.05208
0.03472

cumulative
probability
0.00005
0.00050
0.00277
0.01034
0.02925
0.06709
0.13014
0.22022
0.33282
0.45793
0.58304
0.69678
0.79156
0.86446
0.91654
0.95126

p(x=0)
p(x=10)
p(x>2)

0.00005
10.00000
0.99723

16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

0.02170
0.01276
0.00709
0.00373
0.00187
0.00089
0.00040
0.00018
0.00007
0.00003
0.00001
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
1.00000

0.97296
0.98572
0.99281
0.99655
0.99841
0.99930
0.99970
0.99988
0.99995
0.99998
0.99999
1.00000
1.00000
1.00000
1.00000
1.00000
1.00000

10.000 expected value


10.000 variance
3.162 standard deviation

17. Un vendedor descubre que la probabilidad de hacer una venta en una sola entrevista con clientes es de
0.03 aproximadamente. Si se acerca a 100 posibles clientes, cul es la probabilidad de hacer por lo
menos una venta?
n=
p= 0.03
u=

100
0.03
3

p(x>=1)

3 mean rate of occurrence

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

P(X)
0.04979
0.14936
0.22404
0.22404
0.16803
0.10082
0.05041
0.02160
0.00810
0.00270
0.00081
0.00022

cumulative
probability
0.04979
0.19915
0.42319
0.64723
0.81526
0.91608
0.96649
0.98810
0.99620
0.99890
0.99971
0.99993

0.95021

12
13
14
15
16
17

0.00006
0.00001
0.00000
0.00000
0.00000
0.00000
1.00000

0.99998
1.00000
1.00000
1.00000
1.00000
1.00000

3.000 expected value


3.000 variance
1.732 standard deviation

20. Los desperfectos que se producen en un cable submarino siguen un proceso de Poisson con frecuencia
a) Cul es la probabilidad de que no se produzcan desperfectos en los primeros dos km.s?
b) conocido de que no hay desperfectos en los dos primeros km.s, qu probabilidad existe de que no
haya tampoco desperfectos en el tercer km.?
u= 0.1

km

u=0.2

a) p(x=0)

0.2 mean rate of occurrence


cumulative
P(X)
probability
0
0.81873
0.81873
1
0.16375
0.98248
2
0.01637
0.99885
3
0.00109
0.99994
4
0.00005
1.00000
5
0.00000
1.00000
6
0.00000
1.00000
1.00000
0.200 expected value
0.200 variance
0.447 standard deviation

2km

0.81873
81.87%
b) p(x=0)
u=0.3

Dado que el establecimiento abre a las 9:00: cul es la probabilidad de que exactamente haya llegado

un cliente para las 9:30 y un total de cinco para las 11:30?

u= 4 en 60 min
u=
30 min
u=2

p(x=1)
2 mean rate of occurrence

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

P(X)
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

cumulative
probability
0.13534
0.40601
0.67668
0.85712
0.94735
0.98344
0.99547
0.99890
0.99976
0.99995
0.99999
1.00000
1.00000
1.00000
1.00000

2.000 expected value


2.000 variance
1.414 standard deviation

0.27067

tes de 200. Si

r ser mayor a0.3 se venderan camisetas

por cada 100 partes.


ms de 0.50 de

ser mayor a 0.82 no se le comprara a dicho proveedor

o de 2 minutos . El

2 minutos sea

en durante el

con clientes es de

n con frecuencia

e de que no

La probabilidad de que no se produzcan desperfectos en los primeros dos km es de


3km

0.74082
74.08%
0.3 mean rate of occurrence

X
0
1
2
3
4
5
6
7

P(X)
0.74082
0.22225
0.03334
0.00333
0.00025
0.00002
0.00000
0.00000
1.00000

cumulative
probability
0.74082
0.96306
0.99640
0.99973
0.99998
1.00000
1.00000
1.00000

0.300 expected value


0.300 variance
0.548 standard deviation
haya llegado

2. Si la probabilidad de que una persona que viaja por cierta aerolnea pague una tarifa adicional para ver
una pelcula es 0.65, si viajan 8 personas:
a) cul es la probabilidad de que slo dos personas que viajan por esta aerolnea paguen una tarifa
adicional para ver la pelcula?
b) cul es la probabilidad de por lo menos la mitad de los que viajan por esta aerolnea paguen una
tarifa adicional para ver la pelcula?

X
0
1
2
3
4
5
6
7
8

P(X)
0.00023
0.00335
0.02175
0.08077
0.18751
0.27859
0.25869
0.13726
0.03186
1.00000

a)p(x=2)=
b)p(x>=4)=

0.02175
0.89391

7. El 60% de profesionales leen su contrato de trabajo, incluyendo las letras pequeas. Suponga que el
nmero de empleados que leen cada una de las palabras de su contrato se puede modelar utilizando
la distribucin binomial. Considerando un grupo de cinco empleados, cul es la probabilidad de que:
a) Los cinco lean cada una de las palabras de su contrato
b) Al menos tres lean cada una de las palabras de su contrato
c) Menos de dos lean cada una de las palabras de su contrato
Variable X.n nmero de profesionales que leen cada palbra
n= del contrato
p=
X
0
1
2
3
4
5

P(X)
0.01024
0.07680
0.23040
0.34560
0.25920
0.07776
1.00000

a)p(x=5)
b)p(x>=3)
c)p(x<2)

0.07776
0.68256
0.08704

5
0.6

adicional para ver

en una tarifa
paguen una

uponga que el
ar utilizando
bilidad de que: