Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Hipergeométrica Y Normal
Ángel Yahir Rodríguez Flandes-2025169
q
Celeste Abigail Rangel Tristan-1997293
Devany Daniela Muñoz Landaverde-1998405
Héctor Eduardo Gómez Ovalle-1932740
o
Introduccion
INDICE
Desarrollo
Variables Aleatorias
Variables Aleatorias Discretas
Ejemplos
Variables Aleatorias Continuas
Ejemplo
Modelos De Probabilidad
INDICE
Modelos Discretos
Ejemplo
Distribución Hipergeometrica
Ejemplo
Modelos Continuos
Distribución Normal
Ejemplo
Conclusion
Referencias
Introduccion
El enfoque que se abordará es el de cada uno de los modelos existentes; por un lado, en el modelo
discreto, se hablara conforme a la distribución hipergeometrica, sus componentes y usos, y por el
otro lado, en el modelo continuo, sobre la distribución normal, de igual forma su estructura,
componentes y usos.
El objetivo principal de los modelos es lograr obtener resultados que se busquen encontrar,
facilitando con base a las formulas, la manera de realizarlo. Cada una de las distribuciones
derivadas de estos modelos nos permiten conocer y determinar casos con resultados exactos,
precisos y concretos, que ayudan a llegar a el objetivo principal, que es conocer el resultado al
que se quiere llevar y de igual modo conocer las distintas maneras con las que se puede llegar
para encontrar un mismo resultado.
Variable Aleatoria
Una variable aleatoria es
Una variable aleatoria puede
una función que asigna un
ser discreta o continua, las
valor numérico, al resultado
cuales hay que conocer para
de un experimento aleatorio.
lograr obtener los resultados
Hay que recordar que el
que deseamos.
resultado de un experimento
aleatorio depende del azar.
Variables Aleatorias Discretas
Una variable aleatoria es discreta solamente cuando se pueden
tomar ciertos valores enteros en un número finito de valores,
eso es lo que la caracteriza de ser discreta. Las variables
discretas son valores que se pueden contar y no suelen llevar
decimales. Por ejemplo: El número de hijos en una familia o la
puntuación obtenida al lanzar un dado. Entonces, esta solo será
discreta si se tienen valores concretos.
Estas variables llevan consigo dos funcionamientos
característicos:
La función de probabilidad: La
La función de distribución:
función de probabilidad lo que
La función de distribución de
hace es asignarle a cada suceso
una variable aleatoria discreta
definido sobre la variable
se define como:
aleatoria la probabilidad de que
dicho suceso pueda ocurrir y esta
está definida con el conjunto de
F(x) = P [X ≤ x]
todos los posibles valores que se
pueden obtener de la variable
aleatoria discreta.
Se dice que hemos definido una variable aleatoria para un experimento aleatorio cuando hemos
asociado un valor numérico a cada resultado del experimento. Para designar a las variables
aleatorias, se utilizan letras mayúsculas X, Y, ..., y las respectivas minúsculas (x, y, ...) para
designar valores concretos de las mismas. (Martínez, 2019)
Ejemplo:
Se realiza un experimento en un salón de clases y se selecciona al azar 10 personas para un examen
sorpresa de matemáticas, se puede definir la variable aleatoria A:
A= número de personas que aprobaron el examen
Los valores que asume A (en su rango), van del 0 al 10. El cual será expresado de la siguiente manera:
N: 20 Estudiante
a: 11 futbol soccer
n: 6 personas
x: 2 probabilidad
Primero utilizaremos la formula
(𝑎𝐶𝑥)(𝑁 − 𝑎𝐶𝑛 − 𝑥)
ℎ 𝑥 =
𝑁𝐶𝑛
previamente identificados.
(11𝐶2)(20 − 11𝐶6 − 2)
ℎ 𝑥 =
20𝐶6
Para hallar el número de formas de obtener 2 estudiantes jugadores de soccer de los 11
11!
11𝐶2 = = 55
11 − 2 ! 2!
Para hallar el número de formas de obtener cuantos estudiantes no juegan futbol soccer, cuantas
9!
9𝐶4 = = 126
(9 − 4)! 4!
20!
20𝐶6 = = 38760
20 − 6 ! 6!
Uniendo todo esto, podemos calcular la probabilidad de obtener exactamente dos ases
(55)(126)
= 0,1787
(38760)
(𝑎𝐶𝑥)(𝑁 − 𝑎𝐶𝑛 − 𝑥)
ℎ 𝑥 =
𝑁𝐶𝑛
Donde “x” = el número que nos interesa procedente del grupo con “a” objetos. h(x) es la
probabilidad de “x” aciertos, en “n” intentos, cuando los aciertos “a” (ases en este caso) están en una
𝑓 𝑥 𝑑𝑥 = 1
𝐼
Una variable aleatoria continua, X, definida en [-∞, ∞] seguirá una distribución normal de
Para x Є [-∞, ∞]
1 𝑥−𝜇 2
𝑒 −2( 𝜎
)
𝑓 𝑥 =
𝜎 2𝜋
Y su representación gráfica es la siguiente:
La distribución normal queda totalmente definida mediante dos parámetros: la media (m) y la
desviación estándar o desviación típica (s). Su función de densidad es simétrica respecto a la
media y la desviación estándar nos indica el mayor o menor grado de apertura de la curva que,
por su aspecto, se suele llamar campana de Gauss. Esta distribución se denota por N (m, s).
Cuando la distribución normal tiene como parámetros m = 0 y s = 1 recibe el nombre de
distribución normal estándar. Cualquier variable X que siga una distribución normal de
parámetros m y s se puede transformar en otra variable Y= (X-m) /s que sigue una distribución
normal estándar; este proceso se denomina estandarización, tipificación o normalización.
Campo de variación:
- ∞< x <∞
Parámetros:
m: media, -∞ < m < ∞
s: desviación estándar, s > 0.
Características de la distribución normal:
•Toma en cuenta la media(µ) y la desviación
estándar(σ).
•El área bajo la curva es igual a 1.
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.
En una ciudad se estima que la temperatura
máxima en el mes de junio sigue una distribución
normal, con media 23° y desviación típica
5°Calcular el número de días del mes en los que se
Ejemplo
espera alcanzar máximas entre 21°y 27°.
𝑃(21 − 23/5)
= (30)(0.78)
= (30)(0.44)
= 13
CONCLUSION
Con todo esto concluimos que la variable aleatoria es un valor numérico que
corresponde a un resultado de un experimento aleatorio.
En caso de que esta se quiera denominar discreta es cuando su campo de variación
(dominio de definición) está constituido por un conjunto finito o infinito numerable
de valores posibles. Entonces si la variable aleatoria es discreta, cada valor de los
pertenecientes al campo de variación se corresponderá con un suceso del álgebra de
sucesos (lo que permitirá después asignar probabilidades a cada valor ) y se utilizan
por ejemplo, el número de quejas de los clientes o el número de fallas o defectos.
Hablando de la distribución hipergeométrica en la teoría de la probabilidad y estadística, es una
distribución de probabilidad discreta relacionada con muestreos aleatorios y sin reemplazo, es decir
esta tiene como objetivo calcular la función de densidad y la función de probabilidad acumulada o
modela el número de eventos en una muestra de tamaño fijo cuando se conoce el número total de
elementos en la población de la cual proviene la muestra.
Por otro lado cuando se clasifica como normal es cuando la distribución adapta una variable aleatoria
a una función que depende de la media y la desviación típica. Es decir, la función y la variable aleatoria
tendrán la misma representación, pero con ligeras diferencias
REFERENCIAS
o Distribuciones de Probabilidad. (2014). https://www.sergas.es/Saude-
publica/Documents/1899/Ayuda_Epidat_4_Distribuciones_de_probabilidad_Octubre2014.pdf
o Distribución hipergeométrica - Minitab. (s. f.). (C) Minitab, LLC. All rights Reserved. 2023.
https://support.minitab.com/es-mx/minitab/21/help-and-how-to/probability-distributions-random-data-and-resampling-
analyses/supporting-topics/distributions/hypergeometric-distribution/
o Jorge, & Jorge. (2022). Variables aleatorias discretas y continuas. MateMovil. https://matemovil.com/variable-aleatoria-
discreta-y-continua/