Modelos analíticos de fenómenos aleatorios y distribución hipergeométrica

Docente Sandra Rozo

ING TIC 3ª

Integrantes:

William Montes
Carlos Salas
Carlos Peñaranda
Juan David Diaz

Universidad Libre Seccional Cúcuta

03 de abril de 2019
 MODELOS ANALITICOS DE FENOMETOS ALEATORIOS

 ¿Qué son variables aleatorias discretas?

Son aquellos valores que solo pueden presentarse en puntos aislados a lo largo de
una escala de valores, por tanto, se pueden listar en una tabla todos los valores
numéricos de la variable con sus probabilidades correspondientes.

 Función de probabilidad:
Es una función que asocia a cada punto de su espacio muestral X la probabilidad
de que ésta lo asuma. En concreto, si el espacio muestral, E de la variable
aleatoria X consta de los puntos x1, x2, ..., xk, la función de
probabilidad P asociada a X es donde pi es la probabilidad del
suceso X = xi.
<<<Por definición de probabilidad

Hay que advertir que el concepto de función de probabilidad solo tiene sentido
para variables aleatorias que toman un conjunto discreto de valores. Para variables
aleatorias continuas, el concepto análogo es el de función de densidad.

 Media y varianza de la función de probabilidad:

<La media de una distribución de probabilidad es simplemente la esperanza matemática
de una variable aleatoria correspondiente, si una variable aleatoria X adopta los valores
con las probabilidades su esperanza matemática o valor esperado
es

Usando la notación, Así pues, podemos formular lo siguiente.

Donde la media está denotada por la letra La media de una distribución de

probabilidad mide su centro en el sentido de un promedio o mejor aún en el sentido de
un centro de gravedad
 DISTRIBUCION HIPERGEOMETRICA

Es una distribución discreta que modela el número de eventos en una muestra de tamaño
fijo cuando se conoce el número total de elementos en la población de la cual proviene la
muestra. Cada elemento de la muestra tiene dos resultados posibles (es un evento o un no
evento). Las muestras no tienen reemplazo, por lo que cada elemento de la muestra es
diferente. Cuando se elige un elemento de la población, no se puede volver a elegir. Por lo
tanto, la probabilidad de que un elemento sea seleccionado aumenta con cada ensayo,
presuponiendo que aún no haya sido seleccionado.
La distribución hipergeométrica es utilizada para muestras obtenidas de poblaciones
relativamente pequeñas, sin reemplazo. Por ejemplo, la distribución hipergeométrica se
utiliza en la prueba exacta de Fisher para probar la diferencia entre dos proporciones y en
muestreos de aceptación por atributos cuando se toman muestras de un lote aislado de
tamaño finito.
La distribución hipergeométrica se define por 3 parámetros:
1. tamaño de la población
2. conteo de eventos en la población
3. tamaño de la muestra.

Supongamos que estamos interesados en el número de defectos en una muestra de n

unidades, extraídas sin sustitución de un lote que contiene N unidades, de las cuales a son
defectuosas. Sea que la muestra se extrae de tal forma que, en cada extracción sucesiva,
cualquiera cantidad de unidades que queden en el lote tiene la misma posibilidad de resultar
seleccionadas. La probabilidad de que la primera extracción será una unidad defectuosa es:
pero para la segunda extracción es
o bien dependiendo de si la primera unidad que se extrajo es defectuosa o no.
Por consiguiente, los ensayos no son independientes, la cuarta suposición que subyace a la
distribución binomial no se satisface, y la distribución binomial no se aplica. Note que la
distribución binomial se aplicaría si se hace muestreo con reemplazo; a saber, si cada
unidad seleccionada por la muestra se sustituye antes de extraer la siguiente. Para resolver
el problema del muestreo sin reemplazo (esto es, como originalmente se formuló el
problema), proceda del modo siguiente: los x éxitos (defectos) pueden elegirse en
formas, los n – x fracasos (sin defectos) pueden elegirse en formas y, por lo tanto, x
éxitos y n – x fracasos pueden elegirse en formas. Además, n objetos pueden
elegirse de un conjunto de N objetos en formas, y todas las posibilidades se consideran
como igualmente probables, entonces se sigue que, para muestreo sin reemplazo, la
probabilidad de obtener “x éxitos en n ensayos” es donde x no puede superar a y n – x no
puede superar N – a. Esta ecuación define la distribución hipergeométrica, cuyos
parámetros son el tamaño muestral n, el tamaño del lote (o tamaño de población) N, y el
número de “éxitos” en el lote a.
Ecuación de la
distribución Hipergeométrica

Ejemplos:
1. Una compañía con base en Internet que vende accesorios con descuento para
teléfonos celulares a menudo embarca un número excesivo de productos
defectuosos. La compañía necesita un mejor control de calidad. Suponga que tiene a
la mano 20 cargadores para automóvil idénticos, pero que 5 están defectuosos. Si la
compañía decide seleccionar al azar 10 de dichos artículos, ¿cuál es la probabilidad
de que 2 de los 10 estarán defectuosos?

Solución:

Al sustituir x = 2, n = 10, a = 5 y N = 20 en la fórmula para la distribución

hipergeométrica, se obtiene:

En el ejemplo anterior, n no es pequeño en comparación con N, y si se hubiera cometido

el error de usar la distribución binomial con n = 10 y p = 5 20 = 0.25 para calcular la
probabilidad de dos defectuosos, el resultado habría sido 0.282, que es muy
pequeño. Sin embargo, cuando n es pequeño en comparación con N, menor que N
10, la composición del lote no se ve afectada seriamente al extraer la muestra sin
reemplazo, por lo que la distribución binomial con los parámetros n y p = a N darán
como resultado una buena aproximación.

2. Repita el ejemplo anterior, pero con 100 cargadores de automóvil, de los cuales 25
son defectuosos, usando:

a) la fórmula para la distribución hipergeométrica

b) la fórmula para la distribución binomial como una aproximación.

Solución:

a) Al sustituir x = 2, n = 10, a = 25 y N = 100 en la fórmula para la distribución

hipergeométrica
 b) Al sustituir x = 2, n = 10 y p = 25 100 = 0.25 en la fórmula para la distribución
binomial

Observe que la diferencia entre los dos valores únicamente es de 0.010. En general, se
demuestra que h (x; n, a, N) tiende a b (x; n, p) cuando N → y una buena regla
empírica consiste en usar la distribución binomial como aproximación a la distribución
hipergeométrica si n →

Aunque se introdujo la distribución hipergeométrica en conexión con un problema de

inspección por muestreo, tiene muchas otras aplicaciones. Por ejemplo, se utiliza para
encontrar la probabilidad de que 3 de 12 amas de casa prefieran el detergente de marca A a
la marca B, si se eligen de entre 200 amas de casa, de entre quienes 40 en realidad prefieren
la marca A a la marca B. Asimismo, puede usarse en conexión con un problema de
seleccionar diamantes industriales, algunos de los cuales tienen cualidades superiores y
algunos de los cuales no las tienen, o en conexión con un problema de muestreo de
devoluciones de impuesto sobre la renta, donde a entre N devoluciones solicitadas
contienen deducciones cuestionables, etcétera.
 BIBLIOGRAFÍA

Miller, I., Freund, J., Johnson, R. and Cera Alonso, J. (1997). Probabilidad y estadística para
ingenieros de Miller y Freund. México: Prentice-HAll Hispanoamericana.