1. Leuvis Carolina Torrealba
Cedula: V- 14.979.411
Prof: José Linárez
Sección: SAIA-A
Materia: Estadística
Distribución
Binomial
UNIVERSIDAD “FERMÍN TORO”
FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES
ESCUELA DE ADMINISTRACION Y RELACIONES
INDUSTRIALES
2. James Bernoulli
Origen 1654
Admite 2 resultados
variables dicotómicas
Éxito Fracaso
Modelo matemático
Propiedades
Numero fijo
observaciones
Categorías
excluyentes
Variable de 0 a n
Distribución
Binomial
Formula
AplicacionesIngeniería
Control
calidad
Juegos
3. En una oficina de servicios al cliente se atienden 100 personas diarias. Por lo
general 10 personas se van sin recibir bien el servicio. Determine la probabilidad de
que en una encuesta a 15 clientes
a) 3 no hayan recibido un buen servicio
b) Ninguno haya recibido un buen servicio
c) A los más 4 personas hayan recibido un buen servicio
d) Entre 2 y 5 personas
FORMULA
P(n,k,p)= (n/k) (Pk 1-p) n-k
N=15
K= 3
P= 10/1000 0.1 P (n, k, p)= (15/3) (0.1)3 (1-0.1) 15-3
= (15/3) (0.1)3 (0.9) 15
= 455 (0.001) (0.2824)
= 0.1285 X 100%
= 12,85%
La probabilidad de que 3 personas no hayan recibido un buen servicio
es de 12,85%
4. B- n=15
k= 0
P= 10/100= 0.1
p (n, k, p) = (15/0) (0.1)0 (1-0.1) 15-0
= 1. (1) (0.9)15
= 0.2059X 100%
= 20.59%
La probabilidad que ninguno haya recibido un buen servicio es de 20.59%
C- n=15
k= 4
p= 10/100= 0.1 P= (X≤ 4)
P (n, n, p) = (15/4) . (0.1) 4 (1-0.1)15-4
= 1362 (0,0001). (0,9)11
= 1362 (0,0001) ( 0,3138)
=0.428 X 100 %
= 4.28%
La probabilidad a que mas de 4 personas recibieran un buen servicio es de
4,28%
5. D- n= 15
k= 2
p= 10/100= 0.1 p( n, k, p) = 15/2 (0.1)2 (1-0.1) 15-2
= 105 (0.01) (0.2541)
=0.266803 X 100%
= 26, 68%
n= 15
k=
p=10/100= 0.1 p ( n, k, p )= (15/1) (0.1)1 (1-01) 15-1
= 15 (0,1) (0,2287)
= 0.34305 X 100%
= 34.30%
K0+k1+k2+k3+k4
26.59%+34.30%+26.68%+12.85%+4,28%
N=15
K=5
P=10/100=0.1 (15/5) (0,1)5 (1.0,1)10-5
3003 (0,00001) (0,3486)
= 0.01046X 100%
=1,04%
La probabilidad entre 2 y 5 personas es de 44.85%
6. Muchos jefes se dan cuenta de que algunas de las personas que contrataron no son lo que
pretenden ser. Detectar personas que solicitan un trabajo y que falsifican la información en
su solicitud ha generado un nuevo negocio. Una revista nacional notificó sobre este
problema mencionado que una agencia, en un período de dos meses encontró que el 35% de
los antecedentes examinados habían sido alterados. Suponga que usted ha contratado la
semana pasada 5 nuevos empleados y que la probabilidad de un empleado haya falsificado la
información en su solicitud es 0.35
a) ¿Cuál es la probabilidad de que al menos una de las cinco solicitudes haya sido
falsificada?
b) ¿Ninguna de las solicitudes haya sido falsificada?
c) ¿ Las cinco solicitudes hayan sido falsificadas ?
n=5
K=1
P=0,35 p=(n, k, p ) = (n/k ) pk ( 1-p) n-k
p= (n, k, p ) = (5/1) ( 0,035) 1 (1-0,35)5-1
= (5/1) (0.35)1 ( 0.1785)
= 5 (0.5) (0.1785)
= 0.445 X 100%
= 44.5%
La probabilidad de que al menos una de las cinco solicitudes haya sido falsificada es de
44.5%
7. B- n=5
k= 0
p= 0.35 p= ( n, k, p ) = (n/k) p (1-p) n-k
P= (n. k. p ) = (5/0) (0.35)° (1-035) 5-0
P= (5/0)(0,35)° (0,1160)
=0,1160 X 100%
= 11.60%
La probabilidad que ninguna de las solicitudes haya sido falsificadas es de
11,60%
C- n=5
k=5
p= 0.35 (n/k) pk (1-p)n-k
(5/5) (0,35)5 (1- 0,35) 5-5
1 (0,0052) (0.65)
=0.0033 X 100%
= 0.33%
La probabilidad de las cinco solicitudes hayan sido falsificadas es de 0.33%