Se realiza un número n de pruebas (separadas o separables).

· Cada prueba puede dar dos únicos resultados A y Ã

· La probabilidad de obtener un resultado A es p y la de obtener un resultado à es q, con q= 1-p, en
todas las pruebas.Esto implica que las pruebas se realizan exactamente en las mismas
condiciones.Si se trata de extracciones, (muestreo), las extracciones deberán ser con devolución
(reemplazamiento) (M.A.S).
· En estas circunstancias se aleatoriza de forma que variable aleatoria signifique:
X = nº de resultados A que se obtienen en las n pruebas.

La distribución hipergeométrica es semejante a la binomial, excepto en el hecho de que las

pruebas no mantienen constantes las probabilidades de A y Ã
 La media de la distribución hipergeométrica es m = np
 La varianza de la distribución es s2 = npq (N-1/(N-n))
al término (N-1/(N-n)) se le llama coeficiente de exhaustividad ,o también, factor corrector de
poblaciones finitas.

Formalmente : dada una variable aleatoria X con campo de variación

 Se observa la ocurrencia de hechos de cierto tipo durante un período de tiempo o a lo

largo de un espacio, considerados unitarios
 El tiempo (o el espacio) pueden considerarse homogéneos, respecto al tipo de hechos
estudiados, al menos durante el período experimental; es decir, que no hay razones para
suponer que en ciertos momentos los hechos sean más probables que otros.
 En un instante (infinitesimal) sólo puede producirse como mucho un hecho (se podrá
producir o uno o ninguno).
 La probabilidad de que se produzca un hecho en un intervalo infinitesimal es
prácticamente proporcional a la amplitud del intervalo infinitesimal.

Si en estas circunstancias la variable aleatoria X = nº de hechos que se producen en un intervalo

unitario sigue una distribución de Poisson, que cómo veremos tendrá por parámetro l el número
medio de hechos que pueden producirse en el intervalo unitario.

La distribución normal es la más importante de todas las distribuciones de probabilidad.Es una

distribución de variable continua con campo de variación [-¥ ,¥ ], que queda especificada a través
de dos parámetros ( que acaban siendo la media y la desviación típica de la distribución).

Importancia de la distribución Normal.

a) Enorme número de fenómenos que puede modelizar: Casi todas las características
cuantitativas de las poblaciones muy grades tienden a aproximar su distribución a una
distribución normal.

b) Muchas de las demás distribuciones de uso frecuente, tienden a distribuirse según una
Normal, bajo ciertas condiciones.
c) (En virtud del teorema central del límite).Todas aquellas variables que pueden
considerarse causadas por un gran número de pequeños efectos (como pueden ser los
errores de medida) tienden a distribuirse según una distribución normal.

La distribución hipergeométrica  es especialmente útil en todos

aquellos casos en los que se extraigan muestras o se realicen experiencias
repetidas sin devolución del elemento extraído o sin retornar a la situación
experimental inicial.
Es una distribución fundamental en el estudio de muestras pequeñas de
poblaciones pequeñas y en el cálculo de probabilidades de juegos de azar. Tiene
grandes aplicaciones en el control de calidad para  procesos experimentales en los
que no es posible retornar a la situación de partida.

Las consideraciones a tener en cuenta en una distribución hipergeométrica:

 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.
 El número de individuos que presentan la característica A (éxito) es "k".
 En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con
p+q=1.

En estas condiciones, se define la variable aleatoria X = “nº de éxitos

obtenidos”. La función de probabilidad de esta variable sería:

La media, varianza y desviación típica de esta distribución vienen dadas por: