Distribución Hipergeométrica

y Poisson.

Magister: Parra M. Juan A.

Teléf.: 0412-1328678
0414-4271201
Correo: parramj1_28@hotmail.com
 D i s t r i b u c i ó n H i p e r g e o m é t r i c a.

Distribución de Probabilidad Hipergeométrico.

Hasta ahora hemos analizado distribuciones que presentaban
situaciones en las que se realizaban pruebas que implicaban una
dicotomía (proceso de Bernoulli) de manera que en cada experiencia
la probabilidad de obtener cada uno de los dos posibles resultados se
mantenía constante. Si el proceso consistía en una serie de
extracciones o selecciones ello implicaba la reposición de cada
extracción o selección, o bien la consideración de una población muy
grande. Sin embargo si la población es pequeña y las extracciones no
se remplazan las probabilidades no se mantendrán constantes. En ese
caso las distribuciones anteriores no nos servirán para la modelizar la
situación. La distribución hipergeométrica viene a cubrir esta
necesidad de modelizar procesos de Bernoulli con probabilidades no
constantes (sin reemplazamiento)
 D i s t r i b u c i ó n H i p e r g e o m é t r i c a.

La distribución hipergeométrica es especialmente útil en todos

aquellos casos en los que se extraigan muestras o se realizan
experiencias repetidas sin devolución del elemento extraído o sin
retornar a la situación experimental inicial.

La distribución hipergeométrica puede derivarse de un proceso

experimental puro o de Bernoulli con las siguientes características:
a) El proceso consta de n pruebas esperadas, separadas o separables
de entre un conjunto de N pruebas posibles.
b) Cada una de las pruebas puede dar únicamente dos resultados
mutuamente excluyentes: A y no A.
c) En la primera prueba las probabilidades son: P(A) = p y P(no A)= q ;
con p + q = 1
Las probabilidades de obtener un resultado A y de obtener un
resultado no A ( ) varían en las sucesivas pruebas, dependiendo de los
resultados anteriores.
 D i s t r i b u c i ó n H i p e r g e o m é t r i c a.

Si estas circunstancias la aleatorizamos de forma que la variable

aleatoria X sea el número de resultados A obtenidos en n pruebas la
distribución de X será una distribución Hipergeométrica de
parámetros N, n, p, así; X ~ H (N, n, p)
Dado un espacio muestral S de tamaño N con los subespacios
M  N y (N – M)  n entonces, la probabilidad de que en n ensayos k
pertenezca a M y (n-k) pertenezca a (N-M) esta dada por:
Gráficamente se puede representar
P(k, N, M, n) = p q

M N-M N
Donde: N = Tamaño del espacio muestral
n = numero de ensayos k n-k n
M = numero de éxitos en S
N-M = numero de fracasos en S
k = numero de éxitos en la muestra
n-k = numero de fracasos en la muestra
 D i s t r i b u c i ó n H i p e r g e o m é t r i c a.

Ejemplo
Si en una empresa se presentan para cubrir dos vacantes 13
aspirantes de los cuales 5 son hombres y 8 son mujeres, calcular la
probabilidad de hombres contratados.
Solución: x = numero de hombres contratados.
Donde: N = Total de aspirantes = 13 M = Aspirantes hombres = 5
N-M = Aspirantes mujeres = 8 n = vacantes = 2
k = posibles hombres a contratar = 0, 1, 2
n-k = posibles mujeres a contratar = 2, 1, 0
P(k, N, M, n) =
Aplique la formula para cada éxito posible, para k = 0

( ()(
=5
P(0, 13, 5, 2) = 0
5
13 − 5=
02 −0 )) = 0,359 = 35,9 %
❑
❑
Interprete el resultado: La probabilidad de no contratar a ningún hombre de
13 aspirantes es de 35,9 %

La probabilidad Hipergeométrica se puede aproximar a Binomial siendo este

ultimo mas sencillo de aplicar.
 D i s t r i b u c i ó n H i p e r g e o m é t r i c a.

Donde: p = éxito = → = 0,38

q = fracaso = 1 - p = 0,62

n = vacantes = 2 k = posibles hombres a contratar = 0, 1, 2

Aplique la formula Binomial para el siguiente éxito posible, para k = 1

P(n, k, p) =.

→ P(2, 1, 0,38) = 2 .
(1 ) = 0,4712 = 47,12 %

Interprete el resultado : La probabilidad de contratar a 1 hombre de 13

aspirantes es de 47,12 %

Aplique este calculo para el siguiente éxito posible, k = 2

(2 )
P(2, 2, 0,38) = 2 . = 0,1444 = 14,44 %
Interprete el resultado : La probabilidad de contratar a 2 hombre de 13
aspirantes es de 14,44 %
OBSERVACION: Los resultados que se obtienen al realizar el calculo Binomial
es una aproximación a la formula hipergeomértica.
 Distribución de Poissón.

Distribución de Poissón.
La Distribución de Poisson se llama así en honor a Simeón Dennis
Poisson (1781-1840), francés que desarrolló esta distribución
basándose en estudios efectuados en la última parte de su vida, es
una distribución de probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad que ocurra un
determinado número de eventos durante cierto periodo de tiempo.
La distribución de Poisson se emplea para describir varios procesos,
por ejemplo la demanda (necesidades) de servicios en una institución
asistencial por parte de los pacientes, los arribos de los camiones y
automóviles a la caseta de cobro y el número de accidentes en un
cruce. Los ejemplos citados tienen un elemento en común, pueden
ser descritos por una variable aleatoria discreta que asume valores
enteros (0, 1, 2, 3, 4, 5 y así sucesivamente).
Ahora bien, se puede generalizar partiendo de las condiciones que
hemos descrito, si estas condiciones se cumplen nos apoyaremos en
una distribución de probabilidad de Poisson para describirlos.
 Distribución de Poissón.

Probabilidades mediante la distribución de Poisson.

La distribución de Poisson, según hemos señalado, se refiere a
ciertos procesos que pueden ser descritos con una variable aleatoria
discreta. La letra X suele representar a esa variable y puede además
asumir valores enteros (0,1, 2, 3 etc.).
Utilizamos la letra X para representar la variable aleatoria y la k para
designar un valor específico que puede asumir la X. La probabilidad
de exactamente k ocurrencias en una distribución de Poisson se
calcula mediante la fórmula:

𝑒− λ . λ𝑘 Donde; k es el número de ocurrencias del evento

𝑃 ( 𝑘 , λ )=
𝑘! λ es el número de veces que se espera que
ocurra (Promedio esperado λ = n. p)
e es la base de los logaritmos naturales
(e = 2,71828...)
 Distribución de Poissón.

La distribución de Poisson se usa también como una aproximación

a la distribución binomial. Algunas veces, si se desea evitar el tedioso
trabajo de calcular las distribuciones binomiales, se puede usar a
cambio la de Poisson, pero debe cumplir con ciertas condiciones
como:
n ≥ 20 y p ≤ 0,05
En los casos en que se satisfacen tales condiciones, podemos
sustituir la media de la distribución binomial en lugar de la media de la
distribución de Poisson.

El promedio y la varianza de esta variable aleatoria son iguales al

parámetro de la distribución: = = λ
Por lo que, la desviación estándar es: σ =
 Distribución de Poissón.

EJEMPLO N° 1.
Si el 2% de los libros encuadernados en cierto taller tiene
encuadernación defectuosa, obtener la probabilidad de que al
escoger 5 de 400 libros tengan encuadernaciones defectuosas.
Defina la variable. X = Libros con encuadernación defectuosa.
k = libros escogidos = 5
λ = (Promedio esperado λ = 400. 0,02) = 8
𝑒− λ . λ𝑘
Aplique la formula de Poissón para el éxito esperado: 𝑃 ( 𝑘 , λ )=
𝑘!
𝑒− 8 . 8 5
𝑃 ( 𝑘=5 , λ=8 )=¿ ¿ 0,0916=9,16 %
5!
Interprete el resultado : La probabilidad de escoger 5 libros con empastado
defectuoso es de 9,16 %.
 Distribución de Poissón.

2) En una universidad de Venezuela se conoce que solo el 3% de los

alumnos de Contabilidad son muy inteligentes ¿calcular la
probabilidad de que si tomamos 100 alumnos al azar al menos 2 de
ellos sean muy inteligentes?
Defina la variable. X = Estudiantes muy inteligentes.
k : estudiantes escogidos = k ≥ 2
λ : (Promedio esperado λ = 100. 0,03) = 3
𝑒− λ . λ 𝑘
Aplique la formula de Poissón del éxito esperado: 𝑃 ( 𝑘 ≥ 2 , λ ) =
𝑘!
𝑃 ( 𝑘 ≥ 2 , λ ) =1− 𝑃 (𝑘< 2) ¿ 1−[ 𝑃 ( 𝑘=0 )+ 𝑃 ( 𝑘=1 ) ]
𝑒− 3 . 3 0
𝑃 ( 𝑘=0 , λ=3 )=¿
0!
¿ 0,0497 ¿ 1−[0,0497+0,1494]
𝑒− 3 . 31 →
𝑃 ( 𝑘=1 , λ=3 ) =¿ ¿ 0,1494
1!
Interprete el resultado : La probabilidad de escoger 2 estudiantes muy
inteligentes es de 80,09 %.
 Distribución de Poissón.

3) Supóngase que estamos investigando la seguridad de un crucero

muy peligroso. Los archivos de la policía indican una media de cinco
accidentes por mes en él. El número de accidentes está distribuido
conforme a la distribución de Poisson, y la división de seguridad quiere
calcular la probabilidad de que; a) ocurra exactamente 3 accidentes en
un mes, b) menos de 2 accidentes en un mes.
Defina la variable. X = Accidentes ocurridos en un mes
a) k : accidentes = k = 3
λ : (Promedio esperado) = 5
𝑒− λ . λ𝑘
Aplique la formula de Poissón del éxito esperado: 𝑃 ( 𝑘=3 , λ )=
𝑘!
b) k : accidentes = k < 2 ¿[ 𝑃 ( 𝑘=0 )+ 𝑃 ( 𝑘=1 )]
 Distribución de poisson

Ejercicios propuestos.
1) En una jaula con 100 pericos 15 de ellos hablan ruso. calcular la probabilidad de que si
tomamos 20 pericos al azar: a) 3 de ellos hablen ruso. b) No más de 2 hablen ruso.

2) Se calcula que en la ciudad el 12% de las personas tienen defecto de la vista si

tomamos una muestra de 50 personas al azar. Calcular la probabilidad de que: a) 10 de
ellos tengan defecto en la vista. b) Al menos uno tenga defecto.

3) El 8% de los registros contables de una empresa presentan algún problema, si un

auditor toma una muestra de 40 registros, Calcular probabilidad de que existan: a) 5
registros con problemas, b) Ningún registro con problema.

4) La producción de televisores en SAMSUNG trae asociada una probabilidad de defecto

del 2%, si se toma un lote o muestra de 85 televisores, obtener la probabilidad de que: a)
existan 4 televisores con defectos. b) Existan mas de 2 televisores con defectos.

5) En la universidad Central de Venezuela se conoce que solo el 3% de los alumnos de

Contabilidad son muy inteligentes ¿calcular la probabilidad de que si tomamos 50
alumnos al azar 5 de ellos sean muy inteligentes?