Una compañía de productos químicos en la actualidad tiene en existencia 100 lb de un producto químico, el

cual se vende a sus clientes en lotes de 5 lb. Sea X = el número de lotes solicitados por un cliente
seleccionado al azar y suponga que X tiene la función masa de probabilidad

Calcule E(X) y V(X). Calcule enseguida el número esperado de libras que quedan una vez que se envía el
pedido del siguiente cliente y la varianza del número de libras sobrantes.
[Sugerencia: El número de libras que quedan es una función lineal de X.]

E(X) =  x  p( x) = (1)(0.2)+(2)(0.4)+(3)(0.3)+(4)(0.1)= 2.3

E(X2) = (1)2(0.2)+(2)2(0.4)+(3)2(0.3)+(4)2(0.1)= 6.1
V(X) = E(X2)-[E(X)]2=6.1 – (2.3)2= 0.81
x 1
= 100 – 5x. 100 – 5E(X) = 88.5
V(100 – 5X) = V(-5X) = 25V(x) = 20.25.

46. Calcule las siguientes probabilidades binomiales directamente con la fórmula para b(x; n, p):
d. P(1 < X) cuando n = 9 y p = 0.1
1 – P( X = 0) = 1 – B( 0; 9, 0.1) = 1 - [9!/0!(9 - 0)!](0.1)0(1 - 0.1)9 = 0.612

47. Use la tabla A.1 del apéndice para obtener las siguientes probabilidades:
a) B(4; 15, 0.3)
P(x ≤ 4) = ∑ b(y;15,0.3) = B (4;15,0.3).
x = 4. n = 15. p = 0.3
B (4;15,0.3) = 0.515

b) b(4; 15, 0.3)

P(X = 4) = b(x; n, p) = b (4; 15, 0.3) = (15 4) (0.3)4 (1 – 0.3)11
b (4; 15, 0.3) = (8.1x10-3)(0.0197732)
b (4; 15, 0.3) = 0.2186

c) b(6; 15, 0.7)

P(X = 4) = b(x; n, p) = b(6; 15, 0.7) = (15 6) (0.7)6 (1 – 0.7)9
b(6; 15, 0.7) = (0.117649)(1.9683x10-5)
b(6; 15, 0.7) = 0.01158

d) P(2 ≤ X ≤ 4) cuando X~Bin(15, 0.3)

P(2 ≤ x ≤ 4) = P(x = 2, 3 o 4) = P(x ≤ 4) – P(x ≤ 1)
P(4;15,0.3) – P(1;15,0.3) = 0.515 – 0.035 = 0.48

e) P(2 ≤ X) cuando X~Bin(15, 0.3)

P(2 ≤ X) = 1 – P(X ≥ 1) = 1 – P(1;15,0.3)
P(2 ≤ X)= 1 – 0.035 = 0.965

f) P(X ≤ 1) cuando X~Bin(15, 0.7)

P(X ≤ 1) = ∑ b(y;15,0.7) = B (1;15,0.7)
x=1 n = 15. p = 0.7.
B (1;15,0.7) = 0.000

g) P(2 < X < 6) cuando X~Bin(15, 0.3)

P(2 < X < 6) = P(x = 2, 3, 4 o 5) = P(x ≤ 5) – P(x ≤ 2)
P(2 < X < 6) = B(5; 15, 0.3) – B(2; 15, 0.3)
P(2 < X < 6) = 0.722 – 0.127 = 0.595

48. Cuando se utilizan tarjetas de circuito en la fabricación de reproductores de discos compactos se

prueban; el porcentaje de defectuosas es de 5%. Sea X = el número de tarjetas defectuosas en una muestra
aleatoria de tamaño n = 25, así que X ~ Bin(25, 0.05)
a)     Determine P(X ≤ 2).

P(X ≤ 2) = ∑ b(y; 25, 0.05) = B(2; 25, 0.05)

x = 2                         n = 25                     p = 0.05

B (2; 25, 0.05) =0.873

b)    Determine P (X ≥ 5)

P (X ≥ 5) = 1 – P (x ≤ 4) = 1 – B (4; 25, 0.05)

P (X ≥ 5) = 1 – 0.993 = 0.007

c)     Determine P (1 ≤ X ≤ 4).

P (1 ≤ X ≤ 4) = P (x = 1, 2, 3 o 4) = P (x ≤ 4) – P (x ≤ 0)
P(1 ≤ X ≤ 4) = B(4; 25, 0.05) – B(0; 25, 0.05)

P(1 ≤ X ≤ 4) = 0.993 – 0.277 = 0.716

d)    ¿Cuál es la probabilidad que ninguna de estas 25 tarjetas esté defectuosa?

P(x = 0) = B(0; 25, 0.05)

x = 0                        n = 25                     p = 0.05

B(0; 25, 0.05) = 0.277 

e)     E(x) = (25)(0.05) = 1.25

V(x) = (25 – 1.25)2(0.05) = 1.1875

σ2 = √1.1875                      σ =1.0897

49. Una compañía que produce cristales finos sabe por experiencia que 10% de sus copas de mesa tienen
imperfecciones cosméticas y deben ser clasificadas como “de segunda”.
a. Entre seis copas seleccionadas al azar, ¿qué tan probable es que sólo una sea de segunda?

P( X −1)= n ( p) x (x−p)n −x = 6 (0.1)0( 0.9)5 =0.3543

( ) ()
X 1

b. Entre seis copas seleccionadas al azar, ¿qué tan probable es que por lo menos dos sean de
segunda?
P(X>2)= 1-[P(X=0) + P(X=1)]

P ( X=1 ) 6 ( 0.1 )0 ( 0.9 )6=0.5314

()
0
P(X>2)= 1-[0.3543 + 0.5314]= 0.1143

epasar la demostración del teorema de Chevyshef

Demostrar que la media (valor esperado, esperanza) de una
distribución binomial es igual a np.

Demostrar que la varianza de una distribución binomial es igual a

npq.