INSTITUTO POLITECNICO NACIONAL

ESCUELA SUPERIOR DE INGENIERIA MECANICA Y ELECTRICA

UNIDAD AZCAPOTZALCO

PROBABILIDAD Y ESTADISTICA
Ing. Espino Sanchez Jorge

DISTRIBUCION HIPERGEOMETRICA

PRESENTA:
Aguilar Torres Ramss
Cern Garca Israel
Molina Velzquez Aldo Ivn
Mateos Gonzales Jess Antonio
Snchez Gonzlez Jos Miguel
Villaseor Gmez Pedro

EQUIPO 5

6MM4

06 ABRIL 2017
Distribucin hipergeomtrica
Para efectos de esta distribucin, llamemos poblacin al conjunto de elementos
disponibles para realizar un experimento y muestra a un subconjunto de dichos
elementos seleccionados en forma aleatoria.
La distribucin Binomial se gener al estudiar el comportamiento de repetir n
veces un experimento de Bernoulli, en el cual hay dos resultados posibles, las
repeticiones son independientes y la probabilidad asociada a cada repeticin
permanece constante. Para cumplir la ltima caracterstica, es indispensable
que cuando hay extraccin de elementos se debe realizar con reemplazo, esto
es, regresar el elemento extrado antes de realizar la siguiente extraccin.
En el caso de la distribucin Hipergeomtrica, a diferencia de la distribucin
Binomial, los elementos se extraen simultneamente, o si es uno a uno, sin
devolverlos antes de realizar la siguiente extraccin, de forma que un elemento
no puede aparecer dos veces en una muestra. A esta manera de obtener la
muestra se le llama muestreo sin reemplazo.
De esta forma, la probabilidad del segundo elemento depende o est
condicionada al elemento que se haya sacado en la primera extraccin o sea
que existe dependencia. Este concepto tambin se aplica en la extraccin del
tercero, cuarto y dems elementos, dependiendo del tamao de la muestra,
donde la probabilidad depende de los elementos obtenidos en las extracciones
anteriores. Obsrvese que el muestreo sin reemplazo origina la dependencia
probabilstica, a diferencia del modelo binomial que no la tiene.
En teora de la probabilidad la distribucin hipergeomtrica es
una distribucin discreta relacionada con muestreos aleatorios y sin reemplazo.
Suponga que se tiene una poblacin de N elementos de los
cuales, d pertenecen a la categora A y N-d a la B.
Los experimentos que tienen este tipo de distribucin tienen las siguientes
caractersticas:
a) Al realizar un experimento con este tipo de distribucin, se
esperan dos tipos de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no
son constantes.
c) Cada ensayo o repeticin del experimento no es independiente
de los dems.
d) El nmero de repeticiones del experimento (n) es constante.

Caractersticas de la distribucin hipergeomtrica

La distribucin hipergeomtrica se utiliza en lugar de la binomial cuando n es
relativamente grande en comparacin de N.
Un experimento hipergeomtrico cumple con las siguientes dos
caractersticas:
1. Una muestra aleatoria de tamao n se escoge de una poblacin de tamao
N.
2. S de las N entidades se clasifican como xitos y N-S se clasifican como
fracasos.
Nota: Para usar la distribucin hipergeomtrica en lugar de la binomial,
recuerde que:
(N/n < 10)
Frmulas:
Este modelo presenta similitudes con el Binomial, pero sin la suposicin de
independencia de ste ltimo. Vemoslo:
Partimos de un conjunto formado por N individuos divididos en dos categoras
mutuamente excluyentes: A y Ac; de manera que N1 individuos pertenecen a la
categora A y N2 individuos, a la categora Ac. Por tanto, se cumple que
N = N1 + N2
Si del conjunto anterior extraemos n individuos sin reemplazamiento (n N), la
variable X que representa el nmero k de individuos que pertenecen a la
categora A (de los n extrados) tiene por funcin de densidad:

donde N es el tamao de poblacin, n es el tamao de la muestra

extrada, d es el nmero de elementos en la poblacin original que
pertenecen a la categora deseada y x es el nmero de elementos en la
muestra que pertenecen a dicha categora.
El valor esperado de una variable aleatoria X que sigue la distribucin
hipergeomtrica es:

Varianza:

La diferencia entre las distribuciones hipergeomtrica y binomial

Tanto la distribucin hipergeomtrica como la distribucin binomial describen el
nmero de veces que un evento ocurre en un nmero fijo de ensayos. En una
distribucin binomial, los ensayos son independientes. Para la distribucin
hipergeomtrica, cada ensayo cambia la probabilidad de cada ensayo
subsiguiente, porque no hay reemplazo.
Enseguida se mencionan las semejanzas y diferencias entre los modelos
Hipergeomtrico y Binominal.
Las semejanzas son:
1.Tanto el modelo Hipergeomtrico como el Binominal surgen de la repeticin
de un experimento con slo dos resultados posibles.
2.Si el tamao de la poblacin es grande o si el tamao de la muestra es muy
pequeo en relacin con el de la poblacin, mediante el modelo Binomial se
puede obtener una buena aproximacin al modelo Hipergeomtrico, aunque el
muestreo se realice sin reemplazo, haciendo.
Las diferencias entre ellos son:
1.Las repeticiones en un modelo Binomial son independientes, mientras que en
el modelo Hipergeomtrico las repeticiones no son independientes. Por
ejemplo, si al realizar por primera vez un experimento el resultado es
defectuoso (D1) y al realizar por segunda vez tambin es defectuoso (D2),
entonces se tiene que:
P (D2 | D1) P(D2)
Las medias en los dos modelos son iguales, pero las variancias son diferentes.
La variancia en el modelo Hipergeomtrico siempre es menor que en el
Binomial, salvo cuando n = 1, pero entonces las dos distribuciones se reducen
al modelo de Bernoulli.
De acuerdo a lo anterior, es fcil ver las condiciones en que se debe aplicar
cada distribucin. Si la poblacin es infinita o el muestreo se realiza con
reemplazo, el modelo adecuado es el Binomial. Si la poblacin es finita y el
muestreo se realiza sin reemplazo, el modelo adecuado es el Hipergeomtrico,
salvo el caso en que se pueda realizar la aproximacin mediante el modelo
Binomial.

Aplicaciones
La aplicacin de la distribucin hipergeomtrica se encuentra en muchas reas,
con un uso considerable en el muestreo de aceptacin, las pruebas
electrnicas y el aseguramiento de calidad. Es obvio que en muchos d e estos
campos la prueba se realiza a expensas de la pieza que se esta probando.
Esta se destruye y por lo tanto no puede remplazarse en la muestra.
la distribucin hipergeomtrica es aquella en la que se considera la existencia
de xitos y/o fracasos en una poblacin conocida, y de la cual se extrae una
muestra sin remplazo donde tambin existen xitos o fracasos.
Su principal aplicacin es en el muestreo de aceptacin y control de calidad
donde de un lote de artculos se toma una muestra y se analiza para decidir si
se acepta o rechaza todo el lote.

Ejemplos
Ejemplo 1

Una tienda de artculos elctricos tiene 20 planchas, de las cuales 5 son

amarillas. Si se extraen aleatoriamente y sin sustitucin 10 planchas Cul es
la probabilidad de que dos de ellas sean amarillas?

N=20, a=5, n=10 , x=2

a N a
x nx
P ( X=x )= N
n

5 205
2 102
P ( X=x )= 20
10

5 15
2 8
P ( X=x )= 20
=0.3483=34.83
10

Calculo de la media

na
=E ( x )=
N

(10)(5)
=E ( x )= =2.5
(20)
Calculo de la varianza

na ( N a ) ( Nn )
V (x )= 2
N ( N 1 )

(5)(10)(2010)(205)
V (x )= =0.9868
202 (201)

Ejemplo 2
Una caja contiene 10 focos, de los cuales 3 son defectuosos. Cul es la
probabilidad de que si se toma una muestra aleatoria sin reemplazo de tamao
2, se extraiga cuando mucho un foco defectuoso?

N=10, a=3, n=2 y x=0,1

P ( X 1 )=P ( X =0 ) + P ( X =1 )

3 7 3 7
0 2+1 1
P ( X 1 )= 10
2

21+21
P ( X 1 )= =0.9333=93.33 %
45

Calculo de la media

na
=E ( x )=
N

(2)(3)
=E ( x )= =0.6
(10)
Calculo de la varianza

na ( N a ) ( Nn )
V (x )= 2
N ( N 1 )

(2)(3)(103)(102)
V (x )= =0.3733
102 (101)

Ejemplo 3
Un vendedor de insecticidas quiere vender a una planta un lote de 50 barriles
de cierto producto. El gerente de la planta sospecha que los barriles estn
caducos, pero el vendedor sostiene que slo 10 barriles han caducado y est
dispuesto a permitir que se analicen 5 barriles sin costo para el comprador,
para que ste decida si adquiere el lote. Cul es la probabilidad de que el
gerente encuentre que 4 o ms de los 5 barriles examinados han caducado,
suponiendo que el vendedor tiene razn en su afirmacin?
Datos.

N=50 a=10 n=5 x=4

Frmula para este caso:

a N a
x nx
P ( X=x )= N
n
a N a
x nx
P( X x)= N
n

Sustituyendo en la formula
10 5010 10 5010
C 4 C 54 C 5 C 55
P ( X 4 )= 50
+ 50
C5 C5

10 40 10 40
C4 C1 C5 C0 8400+252
P ( X 4 )= 50
+ 50
= =0.00408=0.408
C 5 C 5
2118760

Calculo de la media

na
=E ( x )=
N

(10)(5)
=E ( x )= =1
( 50)

Calculo de la varianza

na ( N a ) ( Nn )
V (x )= 2
N ( N 1 )
(5)(10)(5010)(505)
V (x )= =0.7346
502 (501)