DISTRIBUCION 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 ; 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.

CARACTERISTICAS

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

FUNCION DE PROBABILIDAD

La función de probabilidad de una distribución Hipergeométrica hará corresponder a cada valor de la variable
X (x = 0,1,2, . . . n) la probabilidad del suceso "obtener x resultados del tipo A ", y (n-x) resultados del tipo no
A en las n pruebas realizadas de entre las N posibles.

La función de probabilidad se ve a través de razonamientos combinatorios:

Donde N es el tamaño de población, n es el tamaño de la muestra extraída, d es el número de elementos en la

población original que pertenecen a la categoría deseada y x es el número de elementos en la muestra que
pertenecen a dicha categoría. La notación (a/b)  hace referencia al coeficiente binomial, es decir, el número de
combinaciones posibles al seleccionar x elementos de un total a

r (¿ N−r
n− y )
P ( y )=(¿ y ) ¿¿
(¿nN )¿

y es un entero 0 ,1 , 2, … . , n , sujeto a las restricciones y ≤ r y n− y ≤ N −r

Con la convención (¿ ab)=0 ¿ si b> a, es evidente que p ( y ) ≥ 0 para las probabilidades

hipergeométrica. El hecho de que las probabilidades hipergeometricas ascienden a 1 se
deduce del hecho que
 n

∑ (¿ri )¿ ¿ ¿
i=0

VALOR ESPERADO DE LA VARIABLE ALEATORIA RELACIONADA

Es la generalización de la media aritmética a toda la población, es decir, es la media de la variable

aleatoria y se representa por la letra griega μ.
Si X es una variable aleatoria discreta (representada, de manera general, por una tabla de valores  xi y
probabilidades pi=P(X=xi)) a esperanza se calcula como la media aritmética de los valores, es decir la
suma de los valores por sus probabilidades (las probabilidades serían las frecuencias relativas).

VARIANZA DE LA VARIABLE ALEATORIA RELACIONADA

La varianza aleatoria relacionada la tenemos denotado por:

EJEMPLO

Un problema importante encontrado por directores de personal y otros que se enfrentan a la selección del
mejor candidato en un conjunto fi nito de elementos, queda ejemplificado en la siguiente situación. De un
grupo de 20 ingenieros con título de Ph.D, 10 de ellos son seleccionados al azar para un empleo. ¿Cuál es la
probabilidad de que los 10 seleccionados incluyan los cinco mejores ingenieros del grupo de 20?

Solución: Para este ejemplo, N = 20, n = 10 y r = 5. Esto es, hay sólo 5 en el conjunto de 5 mejores
ingenieros y buscamos la probabilidad de que Y = 5, donde Y denota el número de mejores ingenieros entre
los diez seleccionados. Entonces

(¿ 15 )
p ( 5 )=(¿ ) ¿5¿ ¿ ¿
5
5

Suponga que una población de tamaño N está formada por r unidades con el atributo y N – r sin éste. Si se
toma una muestra de tamaño n, sin restitución, y Y es el número de elemento con el atributo en la muestra,
P(Y = y0) = p(y0) se puede hallar con el comando dhyper(y0,r,N-r,n) de R (o S-Plus). El comando
dhyper(5,5,15,10) da el valor para p(5) en el Ejemplo 3.16. De manera alternativa, P(Y ≤ y0) se encuentra
usando el comando phyper(y0,r,N-r,n) de R (o S-Plus).