You are on page 1of 29

“AÑO DEL DIÁLOGO Y LA RECONCILIACIÓN NACIONAL”

UNIVERSIDAD NACIONAL DE BARRANCA

CIENCIAS CONTABLES

CARRERA PROFESIONAL DE CONTABILIDAD Y FINANZAS

DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

TRABAJO DE INVESTIGACIÓN ELABORADO POR:

 Cruz Narro, Marjori


 Fabian saenz, Esmeralda
 Melgarejo Cochachin, Nicole
 Pablo Caqui, Yasmin
 Quintana Henriquez, Jhon

ASIGNATURA: ESTADISTICA GENERAL


DOCENTE: Terrones Gálvez, Edward

CICLO: IV
BARRANCA – PERÚ

pág. 1
INDICE
DEDICATORIA ............................................................................ 3
I. INTRODUCCIÓN. ................................................................... 4
II. DISTRIBUCIONES DE PROBABILIDAD DISCRETAS ..... 5
III. LA MEDIA Y LA VARIANZA DE LAS
DISTRIBUCIONES DISCRETAS ................................................ 6
1.1. MEDIA ................................................................................ 6
1.2. VARIANZA ........................................................................ 7
IV. DISTRIBUCION DE BERNOULLÍ ..................................... 9
V. DISTRIBUCIÓN DE POISSON ............................................ 11
VI. PROBABILDAD BINOMIAL ............................................ 15
1. DISTRIBUCION BINOMIAL ............................................ 15
VII. FUNCION DE PROPABILIDAD DE LA DISTRIBUCION
BINOMIAL .................................................................................. 16
Ejemplos .................................................................................. 17
VIII. MEDIA Y VARIANZADE LA DISTRIBUCION
BINOMIAL .................................................................................. 17
1. Media ................................................................................... 17
2. Varianza ............................................................................. 17
IX. DISTRIBUCIÓN HIPERGEOMÉTRICA .......................... 21
1. FUNCIÓN DE CUANTÍA. ................................................. 23
2. MEDIA Y VARIANZA. ..................................................... 23
3. MODA DE LA DISTRIBUCIÓN HIPERGEOMÉTRICA 25

pág. 2
DEDICATORIA

A Dios, a nuestros padres por su apoyo


incondicional en este camino tan difícil
que tratamos de sobresalir y lograr nuestras
metas propuestas.

pág. 3
I. INTRODUCCIÓN.
Una distribución de probabilidad indica toda la gama de valores que pueden
representarse como resultado de un experimento. Una distribución de probabilidad es
similar a la distribución de frecuencias relativas. Sin embargo, en vez de describir el
pasado, describe la probabilidad que un evento se realice en el futuro, constituye una
herramienta fundamental para la prospectiva, puesto que se puede diseñar un
escenario de acontecimientos futuros considerando las tendencias actuales de
diversos fenómenos naturales.

Las decisiones estadísticas basadas en la estadística inferencial son


fundamentales en la investigación que son evaluadas en términos de distribución de
probabilidades.

En el presente trabajo, se estudia de manera ágil los diverso tipos de


distribución probabilística, caracterizaremos cada distribución, la
fundamentación matemática de los diversos resultados no se enfocaran en el presente
trabajo; sólo me limitaré al estudio descriptivo de la distribución de probabilidades
discretas.

pág. 4
II. DISTRIBUCIONES DE PROBABILIDAD DISCRETAS
Una distribución de probabilidad es una representación de todos los
resultados posibles de algún experimento y de la probabilidad relacionada con cada
uno.

Una distribución de probabilidad es discreta cuando los resultados posibles


del experimento son obtenidos de variables aleatorias discretas, es decir, de variables
que sólo puede tomar ciertos valores, con frecuencia números enteros, y que resultan
principalmente del proceso de conteo.

 Ejemplos de variables aleatorias discretas son:


 Número de caras al lanzar una moneda
 El resultado del lanzamiento de un dado
 Número de hijos de una familia
 Número de estudiantes de una universidad
 Ejemplo ilustrativo: Sea el experimento aleatorio de lanzar 2 monedas
al aire. Determinar la distribución de probabilidades del número de caras.
El espacio muestral es S = {CC, CS, SC, SS}

La probabilidad de cada punto muestral es de 1/4, es decir, P(CC) = P(CS) =


P(SC) = P(SS) = 1/4

La distribución de probabilidades del número de caras se presenta en la


siguiente tabla:

Resultados (N° de Caras) Probabilidad

0 1/4 = 0,25 = 25%

1 2/4 = 0,50 = 50%

2 1/4 = 0,25 = 25%

pág. 5
El gráfico de distribuciones de probabilidad en 3D se muestra en la siguiente
figura:

Interpretación:

La probabilidad de obtener 0 caras al lanzar 2 monedas al aire es de


1/4 = 0,25= 25%

La probabilidad de obtener una cara al lanzar 2 monedas al aire es de


2/4 = 0,5 = 50%

La probabilidad de obtener 2 caras al lanzar 2 monedas al aire es de


1/4 = 0,25 = 25%

III. LA MEDIA Y LA VARIANZA DE LAS DISTRIBUCIONES


DISCRETAS

1.1. MEDIA

La media llamada también valor esperado, esperanza matemática o


simplemente esperanza de una distribución de probabilidad discreta es la media
aritmética ponderada de todos los resultados posibles en los cuales los pesos son las
probabilidades respectivas de tales resultados. Se halla multiplicando cada resultado
posible por su probabilidad y sumando los resultados. Se expresa mediante la
siguiente fórmula:

Donde:

Media, Valor Esperado, Esperanza Matemática o


simplemente Esperanza

pág. 6
= Posible resultado

Probabilidad del posible resultado

1.2. VARIANZA

La varianza es el promedio de las desviaciones al cuadrado con respecto a la


media. La varianza mide la dispersión de los resultados alrededor de la media y se
halla calculando las diferencias entre cada uno de los resultados y su media, luego
tales diferencias se elevan al cuadrado y se multiplican por sus respectivas
probabilidades, y finalmente se suman los resultados. Se expresa mediante la
siguiente fórmula:

Nota: La varianza se expresa en unidades al cuadrado, por lo que es necesario


calcular la desviación estándar que se expresa en las mismas unidades que la variable
aleatoria y que por lo tanto tiene una interpretación más lógica de la dispersión de los

resultados alrededor de la media. La desviación estándar se calcula así:

Ejemplo ilustrativo:

Hallar la esperanza matemática, la varianza y la desviación estándar del


número de caras al lanzar tres monedas al aire.

Solución:

El espacio muestral es S = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}

La probabilidad de cada punto muestral es de 1/8

Se elabora las distribuciones de probabilidad y se realiza los cálculos


respectivos. Estos resultados se presentan en la siguiente tabla:

pág. 7
0 1/8 0·1/8 = 0 (0-1,5)2 ·1/8 = 0,281

1 3/8 1·3/8 = 3/8 (1-1,5)2 ·3/8 = 0,094

2 3/8 2·3/8 = 3/4 (2-1,5)2 ·3/8 = 0,094

3 1/8 3·1/8 = 3/8 (3-1,5)2 ·1/8 = 0,281

Total 1 1,5 0,750

Observando la tabla se tiene:

Y calculando la desviación estándar se obtiene:

Los cálculos en matemática, la varianza y la desviación estándar se muestran


en la siguiente figura:

Interpretación:

El valor de significa que si se promedian los resultados del


lanzamiento de las tres monedas (teóricamente, un número infinito de lanzamientos),
se obtendrá 1,5.

Los valores de y miden la dispersión de los resultados


de lanzar las tres monedas alrededor de su media.

pág. 8
IV. DISTRIBUCION DE BERNOULLÍ
Definición: Se denomina prueba o ensayo de Bernoullí a todo experimento
aleatorio que consiste solo dos resultados posibles mutuamente excluyentes,
generalmente llamados éxitos (E) y fracaso (F).

Por ejemplo, son ensayos de Bernoullí, lanzar una moneda al aire con los
resultados: cara o sello. Eligir al azar un objeto fabricado, con los resultados:
defectuoso o no defectuoso, etc.

El espacio muestral asociados al experimento aleatorio de Bernoullí se puede


escribir como el conjunto Ω = (E, F).

Definición: La variable aleatoria X definida en Ω de manera que atribuye a E


el valor 1 y a F el valor de 0, se denomina variable aleatoria de Bernoullí.

Definición: Si p= P[X = 1] es la probabilidad de éxito, donde 0<p<1, y q=


P[X = 0] = 1 – p, es la probabilidad de fracaso, la distribución de probabilidad de
Bernoulli de parámetro p, es descrita por la tabla.

X 0 1

f(x) Q p

O por la ecuación:

𝑓(𝑥) = 𝑃[𝑋 = 𝑥] = 𝑝 𝑥 𝑞1−𝑥 , 𝑥 = 0,1

La función de distribución acumulada de Bernoullí es:

pág. 9
𝑜, 𝑠𝑖 𝑥 < 0
𝐹(𝑥) = {𝑞, 𝑠𝑖 0 ≤ 𝑥 < 1}
1, 𝑠𝑖 𝑥 ≥ 1

TEOREMA 7.1

Si X tiene una distribución de Bernoullí de parámetro p entonces,

a) E(X) = p, b) Var(x) = pq

NOTA

La varianza de la distribución de Bernoullí es menor o igual que 1/4, en


efecto,

α2 = p – p2 = - [p- ½]2 + ¼ ≤ ¼

Ejercicios:

63. La probabilidad de que un deportista gane una competición es 0,4.


¿Cuantas veces habremos de verle competir para que haya una probabilidad de al
menos 0,95, de que la frecuencia relativa de triunfos difiera de 0,4, en valor absoluto,
como máximo en 0,02?

SOLUCIÓN:

𝑥
Aplicando el teorema de Bernoulli: 𝑃 (𝑛 − 𝑝 ≤ 𝛿) ≥ 1 − 𝑝𝑞/𝑛𝑠 2

𝑋
𝑃 (𝑁 − 𝑝 ≤ 𝑜, 𝑜2) ≥ 1 − 0,4.0,6/𝑛(0,02)2 Como queremos una

probabilidad de al menos 0,95

6 0,4.0,6
1 − 0,4. 𝑜, = 0,95; = 0,05
𝑛(𝑜, 2)2 𝑛(0,02)2

N= 0,4. 0,6/ 0,05(0,02)2= 12000 veces

pág. 10
V. DISTRIBUCIÓN DE POISSON
DEFINICIÓN.

Se dice que la variable aleatoria discreta 𝑥, cuyos valores posibles son: 0,


1,2..... Tiene distribución de Poisson con parámetro ϒ(ϒ > 0 ) y se escribe 𝑥 ~P(ϒ),
si su función de probabilidad es:

𝑒 −𝛾 (𝛾) 𝑋
f(𝑥) =
𝑋!

NOTA.

La distribución de Poisson se aplica a problemas donde la variable aleatoria


es el número de eventos independientes que ocurren en un intervalo de tiempo, o en
una región plana (con un promedio dado), por ejemplo, entre otros:

* Número de llamadas que recibe una central telefónica en el período de un


minuto.

* Número de accidentes de trabajo que ocurren en una fábrica durante una


semana.

* Número de fallas en la superficie de una cerámica rectangular.

* Número de bacterias en un volumen de un mt3 de agua.

EJERCICIOS:

PROBLEMA 1

Suponga que llegan en forma aleatoria una serie de llamadas a una central
telefónica con un promedio de tres llamadas por minuto. ¿Cuáles son las
probabilidades de que

A) No ocurra llamada alguna.

B) Ocurran al menos 2 llamadas.

SOLUCION:

Sea X el número de llamadas que ocurren en el período de un minuto, donde


ϒ = 3 es el promedio del número de llamadas por minuto.

pág. 11
A) La probabilidad de que no ocurra llamada alguna en el periodo de un
minuto es:

X= 0

ϒ= 3
𝑒 −3 (3)0
P(x = 0) = = 0.0498
0!

B) La probabilidad de que ocurran 2 llamadas en el periodo de un minuto es:

X= 2

ϒ= 3

𝑒 −3 (3)2
P(x = 2) = =0.2240
2!

PROBLEMA 2

Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las
probabilidades de que reciba?

a) Cuatro cheques sin fondo en un día dado

b) Diez cheques sin fondos en un día

SOLUCIÓN:

a)

x = 4 cheques sin fondo por día

ϒ= 6 cheques sin fondo por día

e = 2.718

𝑒 −6 (6)4
P(x = 4) = = 0.1338
4!

b)

x= 10 cheques sin fondo por día

ϒ= 6 cheques sin fondo por día

𝑒 −6 (6)10
P(x = 10) = = 0.0413
10!

pág. 12
PROBLEMA 3

En la inspección de hojalata producida por un proceso electrolítico continuo,


se identifican 0.2 imperfecciones en promedio por minuto. Determine las
probabilidades de identificar:

a) Una imperfección en 3 minutos

b) Dos imperfecciones en 5 minutos

SOLUCIÓN:

a)

x = 1 imperfección en la hojalata

ϒ= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la


hojalata

𝑒 −0.6 (0.6)1
P(x = 1) = = 0.3292
1!

b)

x = 2 imperfecciones en la hojalata

ϒ = 0.2 x 5 =1 imperfección en promedio por cada 5 minutos en la hojalata

𝑒 −1 (1)2
P(x = 2) = = 0.1839
2!

PROBLEMA 4

Una compañía telefónica recibe llamadas a razón de 4 por minuto. Calcular la


probabilidad de:

a) Recibir 2 llamadas en un minuto

b) No recibir ninguna llamada en un minuto

pág. 13
SOLUCIÓN:

a)

X= 2 llamadas en un minuto

ϒ= 4 llamadas en promedio por minuto

𝑒 4 (4)2
P(x = 2) = = 0.1465
2!

b)

X= 0 llamadas en un minuto

ϒ= 4 llamadas en promedio por minuto

𝑒 −4 (4)0
P(x = 0) = = 0.0183
0!

PROBLEMA 5

En una empresa el término medio de accidentes es de 3 por mes.

Calcular la probabilidad de:

a) Que no ocurra ningún accidente en un mes

b) Que ocurran 2 accidentes en un mes

SOLUCIÓN:

a)

X= 0 accidentes en un mes

ϒ= 3 accidentes en promedio por mes

𝑒 −3 (3)0
P(x = 0) = = 0.0497
0!

b)

X= 2 accidentes en un mes

Y= 3 accidentes en promedio por mes

pág. 14
𝑒 −3 (3)2
P(x = 2) = = 0.2240
2!

VI. PROBABILDAD BINOMIAL


La probabilidad binomial se refiere a la probabilidad de exactamente x éxitos
en n intentos repetidos en un experimento que tiene dos resultados posibles
(comúnmente llamado un experimento binomial).

1. DISTRIBUCION BINOMIAL

La distribución binomial tiene las siguientes características:

 El resultado de cada ensayo de un experimento se clasifica una de dos


categorías mutuamente. Excluyentes, a saber: éxito o fracaso.

 La variable aleatoria cuenta el número de éxitos en una cantidad fija de


ensayos.

 La probabilidad de un éxito permanece igual en todos los ensayos. Lo


mismo sucede con la probabilidad de un fracaso.

 Los ensayos son independientes.

 Para construir una distribución de probabilidad binomial, sea:

C es una combinación.

N es el número de ensayos.

X es el número de éxitos.

𝜋 es la probabilidad de éxito en cada ensayo.

 La fórmula para la distribución de probabilidad binomial es :

P(X)= 𝐶𝑥𝑛 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥

Ejemplo 1:

El departamento del trabajo e Alabama registra que el 20% de la fuerza de


trabajo en Mobile está desempleada. Para una muestra de 14 trabajadores, Calcule las
siguientes probabilidades:

o Exactamente 3 están desempleados.

pág. 15
o Al menos 3 están desempleados.

o Al menos 1 está desempleado.

Solución:

o La probabilidad de exactamente 3:

P(3)= 𝐶314 (20)3 (1 − 20)11

=(364)(0.080)(0.859)

=2501

o La probabilidad de al menos 3:

P(X≥3)= 𝐶314 (20)3 (80)11+…+ 𝐶14


14
(20)14 (80)0

= 250+172+…+000=551

o La probabilidad de al menos 1:

P(X≥ 1)= 1-P(0)

= 1- 𝐶014 (20)0 (1 − 20)14

= 1-044=956

VII. FUNCION DE PROPABILIDAD DE LA DISTRIBUCION


BINOMIAL
La función de probabilidad de la distribución binomial, también denominada función de
la distribución de Bernoulli, es:

N: es el número de pruebas.

K: es el número de éxitos.

P: es la probabilidad de éxito.

Q: es la probabilidad de fracaso.

El número combinatorio

pág. 16
Ejemplos

La última novela de un autor ha tenido un gran éxito, hasta el


punto de que el 80% de los lectores ya la han leido. Un grupo de 4
amigos son aficionados a la lectura:

1 ¿Cuál es la probabilidad de que el grupo hayan leido la novela

2 personas?

n = 4

p = 0.8

q = 0.2

B(4, 0.8)
4.3
𝑝(𝑥 = 2) = (42) 0.82 .0.22= . 0.64.0.04=0.1536
2

2 ¿Y cómo máximo 2?

P(x≤ 2) = 𝑝(𝑥 = 0) + 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) =


(40)0.80 .0.24 +(41)0.82 .0.22= 0.1808

VIII. MEDIA Y VARIANZADE LA DISTRIBUCION BINOMIAL

1. Media

µ=n𝜋

2. Varianza

𝜎 2 = n𝜋(1 − 𝜋)

Ejemplo 2:

 Del ejemplo 1, retomaremos que 𝜋 = 2 𝑦 𝑛 = 14

 Por lo tanto, la media es 𝜇 = 𝑛𝜋 = 14(2) = 2.8

 La varianza es 𝜎 2 =n𝜋(1-𝜋)=14(2)(8)=2.24

pág. 17
Ejemplo 3
La probabilidad de que un artículo producido por una fábrica sea defectuoso es 0.02. Se
envió un cargamento de 10.000 artículos a unos almacenes. Hallar el número esperado
de artículos defectuosos, la varianza y la desviación típica.

µ=10,000.0,2=200

𝜎 2 =10,000.0,2.0,98=196

𝜎 = √196 = 14

𝜎 = √𝑛. 𝑝. 𝑞

Ejercicio 4

Se lanza una moneda cuatro veces. Calcular la probabilidad de


que salgan más caras que cruces

B(4, 0.5) p = 0.5q = 0.5

P(x≥ 3) = 𝑝(𝑥 = 3) + 𝑝(𝑥 = 4) = (43)0.53. 0,5+ (44)0,54=0.3125

Ejemplo 5

Un agente de seguros vende pólizas a cinco personas de la


misma edad y que disfrutan de buena salud. Según las tablas a ctuales,
la probabilidad de que una persona en estas condiciones viva 30 años
o más es 2/3. Hállese la probabilidad de que, transcurridos 30 años,
vivan:

Soluciones:

1 Las cinco personas

B(5, 2/3) p = 2/3 q = 1/3


2
P(x=5)= (53)(3) = 0.132

pág. 18
2 Al menos tres personas

3 Exactamente dos personas

Ejemplo 6

Si de seis a siete de la tarde se admite que un número de


teléfono de cada cinco está comunicando, ¿cuál es la probabilidad de
que, cuando se marquen 10 números de teléfono elegidos al azar, sólo
comuniquen dos?

B(10, 1/5)p = 1/5q = 4/5

Ejemplo 7

La probabilidad de que un hombre acierte en el blanco es 1/4. Si


dispara 10 veces ¿cuál es la probabilidad de que acierte exactamente
en tres ocasiones? ¿Cuál es la probabilidad de que acierte por lo
menos en una ocasión?

B(10, 1/4) p = 1/4q = 3/4

pág. 19
Ejemplo 8

En una urna hay 30 bolas, 10 rojas y el resto blancas. Se elige


una bola al azar y se anota si es roja; el proceso se repite, devolviendo
la bola, 10 veces. Calcular la media y la desviación típi ca

B(10, 1/3) p = 1/3q = 2/3


1
𝜇 = 10. 3=3.33

Ejemplo 9

En unas pruebas de alcoholemia se ha observado que el 5% de los conductores


controlados dan positivo en la prueba y que el 10% de los conductores controlados no
llevan puesto el cinturón de seguridad. También se ha observado que las dos
infracciones son independientes. Un guardia de tráfico para cinco conductores al azar.
Si tenemos en cuenta que el número de conductores es suficientemente importante como
para estimar que la proporción de infractores no varía al hacer la selección

Soluciones:

1 Determinar la probabilidad de que exactamente tres

conductores hayan cometido alguna de las dos infracciones.

P(x=3)= (53) 0.1453 .0.8552 =0.0223

2 Determine la probabilidad de que al menos uno de los

conductores controlados haya cometido alguna de las dos infracciones.

P(al menos uno)= 1 -(50)0.8555 =0.543

pág. 20
IX. DISTRIBUCIÓN HIPERGEOMÉTRICA

La distribución 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. Cada elemento de la
muestra tiene dos resultados posibles (es un evento o un no evento). Las muestras no
tienen reemplazo, por lo que cada elemento de la muestra es diferente. Cuando se
elige un elemento de la población, no se puede volver a elegir. Por lo tanto, la
probabilidad de que un elemento sea seleccionado aumenta con cada ensayo,
presuponiendo que aún no haya sido seleccionado.

La distribución hipergeométrica se define por 3 parámetros: tamaño de la


población, conteo de eventos en la población y tamaño de la muestra.

Se utiliza para calcular la probabilidad de obtener determinado número de


éxitos en un espacio muestral de n ensayos. A diferencia de la distribución binomial
es que los datos de la muestra se extraen sin reemplazo en una población finita, el
muestreo es con reemplazamientos e independiente de las pruebas o ensayos.

La distribución hipergeométrica se emplea para muestreos sin reemplazo de


una población finita cuya probabilidad cambia a lo largo del ensayo.

Si en una población de N elementos se tienen k éxitos, la probabilidad de que


en una muestra aleatoria de n elementos seleccionados sin reemplazo se tengan x
éxitos está dada por:

𝑘 𝑁−𝐾
( )( ) 𝐶 𝐾 𝐶 𝑛−𝑘
𝑝(𝑥) = 𝑥 𝑛 − 𝑥 =
𝑋 𝑛−𝑥
𝑐𝑜𝑛 𝑥 ≤ 𝑘
𝑁 𝐶𝑘𝑁
( )
𝑛

Donde:

N = número de elementos en la población

n = número de elementos en la muestra

k = número de éxitos en la población

pág. 21
x = número de éxitos en la muestra

𝑎𝑑𝑒𝑚𝑎𝑠 𝐶𝑛𝑁 𝑒𝑠 𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑚𝑎𝑛𝑒𝑟𝑎𝑠 𝑒𝑛 𝑞𝑢𝑒 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑡𝑜𝑚𝑎𝑟 𝑢𝑛𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑛 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑁

La media (esperanza) y desviación estándar de la distribución


hipergeométrica están dadas por:

𝑘
𝑀𝑒𝑑𝑖𝑎 𝜇 = 𝑛( )
𝑁

𝑘 𝑁−𝑘 𝑁−𝑛 𝑁−𝑘 𝑁−𝑘


𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝜎 = √( ) ( )( ) = √𝜇 ( )( )
𝑁 𝑁 𝑁−1 𝑁 𝑁−1

La distribución hipergeométrica puede derivarse de un proceso experimental


puro o de Bernouilli con las siguientes características:

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: A y no A.

En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con p+q=l.

Las probabilidades de obtener un resultado A y de obtener un resultado no A


varían en las sucesivas pruebas, dependiendo de los resultados anteriores

(Derivación de la distribución). Si estas circunstancias a leatorizamos de


forma que la variable aleatoria X sea el número de resultados A obtenidos en n
pruebas la distribución de X será una Hipergeométrica de parámetros
N,n,p así

Un típico caso de aplicación de este modelo es el siguiente:

Supongamos la extracción aleatoria de n elementos de un conjunto formado

por N elementos totales, de los cuales Np son del tipo A y Nq son del tipo (p+q=l)
.Si realizamos las extracciones sin devolver los elementos extraídos, y llamamos X.
al número de elementos del tipo A que extraemos en n extracciones X seguirá una
distribución hipergeométrica de parámetros N, n, p.

pág. 22
1. FUNCIÓN DE CUANTÍA.

La función de cuantía 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.

Veamos:

Np N
Hay un total de ( ) ( q ) formas distintas de obtener
x n−x

x resultados del tipo A y n-x del tipo ,


si partimos de una población formada por Np elementos del tipo A y Nq elementos

del tipo

N
Por otro lado si realizamos n pruebas o extracciones hay un total de ( ) posibles
n
muestras (grupos de n elementos)

Aplicando la regla de Laplace tendríamos:

N N
casos favorables ( p )( p )
x n−x
P(x) = es decir P(x) =
casos posibles (Nn)

Que para valores de X comprendidos entre el conjunto de enteros 0, 1,….n


será la expresión de la función de cuantía de una distribución, Hipergeométrica de
parámetros N,n,p .

2. MEDIA Y VARIANZA.

Considerando que una variable hipergeométrica de parámetros N, n, p


puede considerarse generada por la reiteración de un proceso dicotómico n veces en
el que la n dicotomías NO es independientes; podemos considerar que una variable
hipergeométrica es la suma de n variables dicotómicas NO independientes.

pág. 23
Es bien sabido que la media de la suma de variables aleatorias (sean éstas
independientes o no) es la suma de las medias y por tanto la media de una
distribución hipergeométrica será, como en el caso de la binomial:

En cambio si las variables sumando no son independientes la varianza de la


variable suma no será la suma de las varianzas.

Si se evalúa el valor de la varianza para nuestro caso se obtiene que la


varianza de una distribución hipergeométrica de parámetros N,n,p es : si X ⇒
H(N, n, p)

N−n
σ2 = npq( )
N−1

Esta forma resulta ser la expresión de la varianza de una binomial (n, p)


afectada por un coeficiente corrector [N-n/N-1], llamado coeficiente de
exhaustividad o Factor Corrector de Poblaciones Finitas (F.C.P.F.) y que da cuenta
del efecto que produce la no reposición de los elementos extraídos en el muestreo.

Este coeficiente es tanto más pequeño cuanto mayor es el tamaño muestral


(número de pruebas de n) y puede comprobarse como tiende a aproximarse a 1
cuando el tamaño de la población N es muy grande. Este último hecho nos confirma
lo ya comentado sobre la irrelevancia de la reposición o no cuando se realizan
extracciones sucesivas sobre una población muy grande. Con una población muy
grande se cual fuere el tamaño de n, el factor corrector sería uno lo que convertiría,
en cierto modo a la hipergeométrica en una binomial (ver D. Binomial). Así

Límite de la distribución hipergeométrica cuando N tiende a infinito.

Hemos visto como la media de la distribución hipergeométrica [H{N,n,p)],


tomaba siempre el mismo valor que la media de una distribución binomial [B{n,p)]
también hemos comentado que si el valor del parámetro N crecía hasta aproximarse a
infinito el coeficiente de exhaustividad tendía a ser 1, y, por lo tanto, la varianza de la
hipergeométrica se aproximaba a la de la binomial : puede probarse asimismo , cómo
la

Función de cuantía de una distribución hipergeométrica tiende a aproximarse


a la función de cuantía de una distribución binomial cuando

pág. 24
3. MODA DE LA DISTRIBUCIÓN HIPERGEOMÉTRICA

De manera análoga a como se obtenía la moda en la distribución binomial


es fácil obtener la expresión de ésta para la distribución hipergeométrica. De manera
que su expresión X0 sería la del valor o valores enteros que verificasen.

N(pn − q) + n − 1 N(pn + p) + n + 1
≤ X0 ≤
N+2 N+2

EJERCICIOS:

1. Un lote contiene 100 piezas de un proveedor de tubería local y 200


unidades de un proveedor de tubería del estado vecino. Si se seleccionan 4 piezas al
azar y sin reemplazo.

a) ¿Cuál es la probabilidad de que todas sean del proveedor local?

N = 300 | X = 100 | n = 4 | x = 4

b). ¿Cuál es la probabilidad de que dos o más piezas de la muestra sean del proveedor
local?

pág. 25
N = 300 | X = 100 | n = 4 | x = 2, 3 o 4

c). ¿Cuál es la probabilidad de que al menos una pieza de la muestra sea del
proveedor local?

N = 300 | X = 100 | n = 4 | x = 1, 2, 3 o 4

2. Considerando que en la urna hay un total de 10 objetos, 3 de los cuales


son defectuosos, si de seleccionan 4 objetos al azar, ¿cuál es la probabilidad de que 2
sean defectuosos?
N = 10 | X = 3 | n = 4 | x = 2

pág. 26
a) ¿Cuál es la probabilidad de que una mesera se rehúse a servir bebidas
alcohólicas únicamente a dos menores de edad si verifica aleatoriamente
solo 5 identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la
edad suficiente?, b) ¿Cuál es la probabilidad de que como máximo 2 de
las identificaciones pertenezcan a menores de edad?

a) N = 9 | X = 4 | n = 5 | x = 2

b) N = 9 | X = 4 | n = 5 | x = 0, 1, 2

3. En una partida de truco, asumiendo que el mazo se encuentra bien mezclado, se


reparte una mano de cartas.

pág. 27
a) Hallar la probabilidad de que el jugador que recibe las primeras tres cartas
tenga envido (dos cartas del mismo palo y una diferente)

X: cantidad de cartas que son de espadas de las tres recibidas (tomadas de un


total de 40)

X ∼ Hipergeométrica (N=40, k=10, n=3)

Cómo queremos la probabilidad de obtener exactamente dos cartas de


espadas, entonces calculamos P(X=2)

DATOS:

N=40

k=10

n=3

X=2

10 40 − 10
( )( )
𝑝(𝑥 = 2) = 2 3−2
40
( )
3
10! 30!
(2! 8!) (1! 29!)
𝑝(𝑥 = 2) = = 0,13664
40!
(3! 37!)

4. Un grupo de amigos del secundario se reúnen en la casa de Laura para


comer un asado. En este grupo hay 8 mujeres y 6 varones. De las mujeres 5 estudian
letras y el resto ciencias, mientras que de los varones sólo uno estudia letras y el resto
ciencias.

a) Si las primeras en llegar a la casa son tres chicas, ¿cuál es la probabilidad


de que estudien lo mismo?

Definamos entonces la variable con distribución hipergeométrica:

X: cantidad de chicas que estudian letras entre las tres primeras en llegar a la
casa de Laura (elegidas entre siete chicas en total)

X∼Hipergeométrica (N=7,k=4,n=3)

Para responder a la pregunta calculamos la probabilidad de que x=3:

pág. 28
DATOS:

N=7

k=4

n=3

X=3

4 7−4
( )( )
𝑝(𝑥 = 3) = 3 3 − 3
7
( )
3
4! 3!
(3! 1!) (0! 3!)
𝑝(𝑥 = 3) = = 0.11429
7!
(3! 4!)

pág. 29