DISTRIBUCIÓN HIPERGEOMETRICA

Deleg Marco, Lucero Jonnathan, Quichimbo Pablo.

{mdelegv, jlucerop2, pquichimbo} @est.ups.edu.ec

Universidad Politécnica Salesiana

Resumen— El estudio de la distribucion hipergeometrica se IV. EQUIPOS Y MATERIALES

entiendo como una distribucion discreta que modela el
número de eventos en una muestra de tamaño fijo cuando se  Textos virtuales
conoce el numero total de elementos en la poblacion de la  Navegadores web
cual proviene, en cual se podra entender de una forma mas
clara con respectivos ejemplos. VI. DESARROLLO

I. INTRODUCCIÓN La distribución hipergeométrica es una distribución

discreta que modela el número de eventos en una
En el presente informe se ha realizado una investigación muestra de tamaño fijo cuando usted conoce el
grupal de un tema que es muy utilizado en todas las número total de elementos en la población de la cual
carreras profesionales. La distribución hipergeométrica
proviene la muestra. Cada elemento de la muestra
es una distribución discreta que modela el número de
tiene dos resultados posibles (es un evento o un no
eventos en una muestra de tamaño fijo, cuando usted
conoce el número total de elementos en la población de la
evento). Las muestras no tienen reemplazo, por lo
cual proviene la muestra y ningún evento debe ser que cada elemento de la muestra es diferente.
repetido, trabaja con muestras relativamente pequeñas. Cuando se elige un elemento de la población, no se
Cada elemento de la muestra tiene dos resultados posibles puede volver a elegir. Por lo tanto, la probabilidad de
(es un evento o un no evento). que un elemento sea seleccionado aumenta con cada
ensayo, presuponiendo que aún no haya sido
II. OBJETIVOS seleccionado.
Objetivo General
Utilice la distribución hipergeométrica para
 Analizar la teoría y la aplicación de la muestras obtenidas de poblaciones relativamente
distribución hipergeométrica a través de la pequeñas, sin reemplazo. Por ejemplo, la
investiga distribución hipergeométrica se utiliza en la prueba
exacta de Fisher para probar la diferencia entre dos
Objetivos Específicos
proporciones y en muestreos de aceptación por
 Resolver varios ejercicios empleando el concepto atributos cuando se toman muestras de un lote
de la distribución hipergeométrica aislado de tamaño finito. [1]
 Describir algunas aplicaciones de la distribución
hipergeométrica en varios sucesos enfocados en DISTRIBUCIÓN HIPERGEOMÉTRICA EN
la ingeniería EL MUESTREO DE ACEPTACIÓN
III. MÉTODO
Como en el caso de la distribución binomial, la
Autoaprendizaje a través de la investigación colectiva. distribución hipergeométrica se aplica en el
muestreo de aceptación, donde se toman muestras segunda persona tenga sangre O+ es 0.66667. La
del material o las partes de los lotes con el fi n de diferencia puede aumentar a medida que aumenta el
determinar si se acepta o no el lote completo. tamaño de la muestra. La diferencia entre estas
probabilidades es demasiado grande como para
LA DIFERENCIA ENTRE LAS ignorarla en muchas aplicaciones.
DISTRIBUCIONES HIPERGEOMÉTRICA Y
BINOMIAL APLICACIONES DE LA DISTRIBUCIÓN
Tanto la distribución hipergeométrica como la HIPERGEOMÉTRICA
distribución binomial describen el número de veces
que un evento ocurre en un número fijo de ensayos. Las aplicaciones de la distribución hipergeométrica
Para la distribución binomial, la probabilidad es se encuentran en muchas áreas, con gran uso de
igual para cada ensayo. Para la distribución control de calidad.
hipergeométrica, cada ensayo cambia la La distribución hipergeométrica se utiliza con
probabilidad de cada ensayo subsiguiente porque no
poblaciones que sean tan pequeñas que el resultado
hay reemplazo.
de un ensayo tiene un gran efecto en la probabilidad
de que el próximo resultado sea un evento o un no
Utilice la distribución binomial con poblaciones tan
evento.
grandes que el resultado de una prueba
prácticamente no tiene efecto sobre la probabilidad Se utiliza en las carreras de:
de que el próximo resultado sea un evento o un no
evento. Por ejemplo, en una población de 100,000  Ingeniería.
personas, 53,000 tienen sangre O+. La probabilidad  Medicina.
de que la primera persona seleccionada  Administración
aleatoriamente en una muestra tenga sangre O+ es  Contabilidad
0.530000. Si la primera persona en una muestra tiene  Etc.
sangre O+, entonces la probabilidad de que la
segunda persona tenga sangre O+ es 0.529995. La Ejemplo:
diferencia entre estas probabilidades es lo Al momento de verificar si algún componente está
suficientemente pequeña como para ignorarla en la en buen o mal estado.
mayoría de las aplicaciones.
Cuando se forma grupos de trabajo.
Utilice la distribución hipergeométrica con
poblaciones que sean tan pequeñas que el resultado EJEMPLOS:
de un ensayo tiene un gran efecto en la probabilidad 𝐶 𝑁−𝐶
( )( )
de que el próximo resultado sea un evento o un no 𝑃(𝑋) = 𝑋 𝑛−𝑋
evento. Por ejemplo, en una población de 10 𝑁
( )
𝑛
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
EJEMPLO 1: 𝑪𝟕𝟎 = 𝟏

𝑎
𝑎!
En una empresa donde trabajan 20 personas, hay 7 𝑪𝑁−𝐶
𝑛−𝑥 = 𝑪𝑏 =
𝑏! (𝑎 − 𝑏)!
que fuman, si se seleccionan a 4 personas al azar
¿cuál es la probabilidad que al menos una fume? 13!
𝑪13
4 =
4! (13 − 4)!
Concepto:
𝑪𝟏𝟑
𝟒 = 𝟕𝟏𝟓
El complemento: 100%- el que no necesita.

DATOS: 𝑁!
𝑪𝑁
𝑛 =
𝑛! (𝑁 − 𝑛)!
N = 20 Personas
20!
𝑪20
4 =
C = 7 Personas 4! (20 − 4)!

𝑪𝟐𝟎
𝟒 = 𝟒𝟖𝟒𝟓
n = 4 personas
Reemplazar
x = 1,2,3,4
1 ∗ 715
𝑃(𝑋) =
4845
DESARROLLO:
143
𝑃(𝑋 ≥ 1) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋) =
969
𝑃(𝑋 = 4) = 1 − 𝑃(𝑋 < 1)
= 1 − 𝑃(𝑋 = 0) = 1 − 𝑃(𝑋 = 0)

𝐶 𝑁−𝐶 143
( )( ) =1−
969
𝑃(𝑋) = 𝑋 𝑛 − 𝑋
𝑁
( ) = 0.852
𝑛
7 20 − 7 La probabilidad de que al menos uno fume es: =
( )( )
𝑃(𝑋) = 0 4 − 0 𝟖𝟓. 𝟐𝟒%
20
( )
4
EJEMPLO 2
7 13
( )( ) De 6 empleados 3 han estado en la compañía durante
𝑃(𝑋) = 0 4
20 5 o mas años, si se eligen 4 empleados al azar de ese
( )
4
grupo ¿Cuál es probabilidad de que exactamente dos
C = Combinatoria: de ellos tengan una antigüedad de 5 años o mas?
𝑐! Datos:
𝑪𝑋𝐶 =
𝑥! (𝑐 − 𝑥)!

7! N = 6 Empleados
𝑪70 =
0! (7 − 0)! C = 3 Personas
n = 4 empleados 3∗3
𝑃(𝑋) =
15
x = 2 antigüedad
3
𝑃(𝑋) =
Aplicando la fórmula de Distribución 5
Hipergeometrica
La probabilidad de que tenga un empleado 5
años o mas de labor es del 60%

𝐶 𝑁−𝐶
( )( )
𝑃(𝑋) = 𝑋 𝑛−𝑋
𝑁 EJERCICIO A RESOLVER
( )
𝑛
En una caja hay 10 celulares de los cuales hay 3
3 6−3 celulares dañados concretamente de una marca
( )( )
𝑃(𝑋) = 2 4 − 2 china, si se saca 5 celulares de la caja ¿Cuál es la
6
( ) probabilidad de sacar un celular dañado?
4
𝟑 𝟑 SOLUCION: 41.67%
( )( )
𝑷(𝑿) = 𝟐 𝟐
𝟔
( )
𝟒

C = Combinatoria:
VlI. CONCLUSIONES
𝑐!
𝑪𝑋𝐶 = Al haber concluido con la investigacion podemos decir
𝑥! (𝑐 − 𝑥)!
que la distribucion hipergeometrica muestra el numero de
3! exitos de una variable aleatoria que esta contenida en un
𝑪32 =
2! (3 − 2)! conjunto x de exitos, por ende, esto es importante en los
estudios estadísticos de pequeñas masas de personas u
𝑪𝟑𝟐 = 𝟑 objetos, y más que nada necesario para el ámbito de la
𝑎! ingeniería.
𝑎
𝑪𝑁−𝐶
𝑛−𝑥 = 𝑪𝑏 =
𝑏! (𝑎 − 𝑏)! La distribución hipergeométrica es especialmente útil en
3! todos aquellos casos en los que se extraigan muestras o se
𝑪6−3 3
4−2 = 𝑪2 = realizan experiencias repetidas sin devolución del
2! (3 − 2)!
elemento extraído o sin retornar a la situación
𝑪𝟔−𝟑
𝟒−𝟐 = 𝟑 experimental inicial y se demostró que se cambia la
probabilidad de cada ensayo subsiguiente debido a que no
𝑁! existe reemplazo.
𝑪𝑁
𝑛 =
𝑛! (𝑁 − 𝑛)!

6!
𝑪64 =
4! (6 − 4)! VIl. RECOMENDACIONES

𝑪𝟔𝟒 = 𝟏𝟓 Se recomienda utilizar la distribución hipergeométrica

con poblaciones que sean tan pequeñas que el resultado
Reemplazando de un ensayo tiene un gran efecto en la probabilidad de
que el próximo resultado sea un evento o un no evento.
VIlI. BIBLIOGRAFÍA

[1] Minitab, «Sopeote de Minitab 18,» 07 Nomviembre

2017. [En línea]. Available:
https://support.minitab.com/es-
mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-
topics/distributions/hypergeometric-distribution/.
[Último acceso: 01 Enero 2018].

[2] Walpole, M. M. (2012). Probabilidad y estadística

para ingenieria y ciencias. Mexico: Pearson
Educación.

[3] Kazmier, Leonard J. (2006). Estadistica aplicada a

administración y economía. Mexico, D.F. : McGraw-
Hill / interamericana