UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE EXTENCIÓN

LATACUNGA

DEPARTAMENTO DE ELÉCTRICA Y ELECTRÓNICA

ESTADÍSTICA DESCRIPTIVA

TRABAJO DE EXPOSICIÓN GRUPAL

TEMA:
Distribuciones de Probabilidad: Distribución Hipergeométrica

AUTOR:
Cuasapas Miguel Bernardo
Espinoza Victor
Vilaña Chango Joel Alexander

TUTOR: Santiago Urquizo

Latacunga-Ecuador
201911

1
PORTADA…………………………………………………………………...................1

INDICE…………………………………………………………………………………2

DISTRIBUCIÓN HIPERGEOMÉTRICA
1. DEFINICIÓN…………………………………………………………………...3

2. GRÁFICOS……………………………………………………………………..3

3. CARACTERÍSTICAS…………………………………………………………4

4. APLICACIONES………………………………………………………………5

5. FÓRMULAS……………………………………………………………………6

6. EJERCICIOS…………………………………………………………………...7

6.1.RESUELTOS...…………………………………………………………………7
6.2.PROPUESTOS………………………………………………………………....8

2
 DISTRIBUCIÓN HIPERGEOMÉTRICA
1. DEFINICIÓN
La distribución hipergeométrica es una distribución discreta que modela el número de
eventos en una muestra de tamaño fijo cuando usted 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.
Utilice la distribución hipergeométrica 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: tamaño de la población,
conteo de eventos en la población y tamaño de la muestra.

2. GRÁFICOS

Figura 1. Ejemplo de gráfico de distribución hipergeométrica

3
 Figura 2. Ejemplo 2 de gráfico de distribución hipergeométrica

3. CARACTERÍSTICAS

Los experimentos que tienen este tipo de distribución tienen las siguientes
características:
a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos de
resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repetición del experimento no es independiente de los demás.
d) El número de repeticiones del experimento (n) es constante.

La distribución hipergeométrica puede derivarse de un proceso experimental puro

o de Bernouilli con las siguientes características:
- El proceso consta de n pruebas, separadas o separables de entre un conjunto de N
pruebas posibles.
- Cada una de las pruebas puede dar únicamente dos resultados mutuamente
excluyentes: A y no A.
- En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con p+q=l.
Las probabilidades de obtener un resultado A y de obtener un resultado no A varían en
las sucesivas pruebas, dependiendo de los resultados anteriores.
- (Derivación de la distribución). Si estas circunstancias aleatorizamos de forma
que la variable aleatoria X sea el número de resultados A obtenidos en n pruebas
la distribución de X será una Hipergeométrica de parámetros N,n,p así

4
 - La diferencia entre las distribuciones hipergeométrica y binomial
Tanto la distribución hipergeométrica como la distribución binomial describen el número
de veces que un evento ocurre en un número fijo de ensayos. Para la distribución
binomial, la probabilidad es igual para cada ensayo. Para la distribución hipergeométrica,
cada ensayo cambia la probabilidad de cada ensayo subsiguiente porque no hay
reemplazo.
Utilice la distribución binomial con poblaciones tan grandes que el resultado de una
prueba prácticamente no tiene efecto sobre la probabilidad de que el próximo resultado
sea un evento o un no evento.
“Por ejemplo, en una población de 100,000 personas, 53,000 tienen sangre O+. La
probabilidad de que la primera persona seleccionada aleatoriamente en una muestra tenga
sangre O+ es 0.530000. Si la primera persona en una muestra tiene sangre O+, entonces
la probabilidad de que la segunda persona tenga sangre O+ es 0.529995. La diferencia
entre estas probabilidades es lo suficientemente pequeña como para ignorarla en la
mayoría de las aplicaciones.
Utilice la distribución hipergeométrica con poblaciones que sean tan pequeñas que el
resultado de un ensayo tiene un gran efecto en la probabilidad de que el próximo resultado
sea un evento o un no evento. Por ejemplo, en una población de 10 personas, 7 personas
tienen sangre O+. La probabilidad de que la primera persona seleccionada aleatoriamente
en una muestra tenga sangre O+ es 0.7000. Si la primera persona en la muestra tiene
sangre O+, entonces la probabilidad de que la segunda persona tenga sangre O+ es
0.66667. La diferencia puede aumentar a medida que aumenta el tamaño de la muestra.
La diferencia entre estas probabilidades es demasiado grande como para ignorarla en
muchas aplicaciones.” (Ejemplo tomado de Soporte de Minitab).

4. APLICACIONES

Distribución hipergeométrica en el muestreo de aceptación

Como en el caso de la distribución binomial, la distribución hipergeométrica se aplica en
el muestreo de aceptación, donde se toman muestras del material o las partes de los lotes
con el fi n de determinar si se acepta o no el lote completo.

Propiedades da la distribución hipergeométrica

 La población o conjunto donde deba hacerse el muestreo consta de N individuos
o elementos a seleccionar.
 Cada individuo puede ser caracterizado como un éxito (E) o fracaso (F).
 Se selecciona una muestra de n individuos de entre los k individuos marcados
como éxito y los N − k restantes marcados como fracaso.

5
  La muestra siempre debe ser pequeña, aunque la población sea grande.
 Los elementos de la muestra se van extrayendo de a uno, sin incorporarlos
nuevamente a la población.
 La propiedad a estudiar es binaria, es decir sólo puede tomar dos valores: 1 o 0, o
bien cierto o falso.

5. FORMULAS

(# 𝑑𝑒 𝑚𝑎𝑛𝑒𝑟𝑎𝑠 𝑑𝑒 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑥 # 𝑑𝑒 𝑚𝑎𝑛𝑒𝑟𝑎𝑠 𝑓𝑎𝑙𝑙𝑖𝑑𝑎𝑠)

𝑝 (𝑥 ) =
(# 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑓𝑜𝑟𝑚𝑎𝑠 𝑑𝑒 𝑠𝑒𝑙𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑟)

Expresando lo anterior en forma de números combinatorios, se llega al siguiente modelo

de distribución de probabilidades:

En donde:
N=tamaño de la población.
K=todos o cantidad de elementos que cumplen características deseadas.
n=tamaño de la muestra.
x= cantidad de éxitos.
Dado a esto podemos encontrar varias propiedades como son la media, varianza y
desviación típica
𝑛𝐾
𝑢= 𝑚𝑒𝑑𝑖𝑎
𝑁
𝑁−𝑛 𝐾 𝐾
𝜎2 = ∗ 𝑛 ∗ ∗ (1 − ) 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎
𝑁−1 𝑁 𝑁

𝑁−𝑛 𝐾 𝐾
𝜎=√ ∗ 𝑛 ∗ ∗ (1 − ) 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎
𝑁−1 𝑁 𝑁

6
6. EJERCICIOS
6.1.RESUELTOS

7
6.2. PROPUESTOS