Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Consideremos una población con N elementos, de los cuales, D son exitosos (es decir, tienen
una determinada característica), y N-D son fracasos (no tienen esa característica). La
distribución hipergeometrica es la distribución de la variable aleatoria X=numero de éxitos
obtenidos en “n” observaciones al azar de la población, sin reemplazamiento. Su función de
masa es: (1)
(DX) (N−D
n−x
)
P(X = x) =
(Nn)
EJEMPLO.
En una jaula hay 30 pericos rusos y 20 pericos chinos si extraemos 10 pericos al azar calcular
posibilidad de que 3 de ellos hablen chino (característica deseada).
N= 50
n = 10
C = 20
X=3
(20
3
)(50−20
10−3
)
𝑃 (𝑋 = 3) = = 0.2259
(50
10
)
PROPIEDADES MEDIA, VARIANZA Y DESVIACIÓN ESTÁNDAR
Media y varianza
Es bien sabido que la media de la suma de variables aleatorias (sean estas independientes
o no) es la suma de las medias y por lo tanto la media de una distribución hipergeometrica
será, como en el caso de la binomial:
𝜇 = 𝑛𝑝
𝑁−𝑛
𝜎 2 = 𝑛𝑝𝑞 ( )
𝑁−1
N−n
σ = √npq
N−1
EJERCICIO
De cada 2000 tornillos fabricados por una determinada maquina hay 2 defectuosos. Para
realizar el control de calidad se observan 150 tornillos y se rechaza el lote si el número de
defectuosos es mayor que 1. Calcular la probabilidad de que el lote sea rechazado.
Sea X= “n° de defectuosos de un total de n=150 si en N=2000 hay un total de k=2” ЄHG (K=2,
n=150, N=2000)
Como los cálculos son complicados, se va a aproximar la v.a. X por una binomial 𝐵𝑖 (𝑛 =
2
150, 𝑝 = 2000 = 0.001
150 150
= 1 − [( ) 0.0010 (1 − 0.001)150−0 + ( ) 0.0011 (1 − 0.001)150−1 ] ≈ 0.442
0 1
Los experimentos que tienen este tipo de distribución tienen las siguientes características:
1. Al realizar un experimento con este tipo de distribución, se esperan dos tipos de
resultados.
2. Las probabilidades asociadas a cada uno de los resultados no son constantes.
3. Cada ensayo o repetición del experimento no es independiente de los demás.
4. El número de repeticiones del experimento (n) es constante.
Por ejemplo, usted recibe un envío de pedido especial de 500 etiquetas. Supongamos que
el 2% de las etiquetas es defectuoso. El conteo de eventos en la población es de 10 (0.02 *
500). Usted toma una muestra de 40 etiquetas y desea determinar la probabilidad de que
haya 3 o más etiquetas defectuosas en esa muestra. La probabilidad de que haya 3 o más
etiquetas defectuosas en la muestra
es de 0.0384.