Inv 3

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.
Se define por 3 parámetros: tamaño de la población, conteo de eventos en

la población y tamaño de la muestra.
Por ejemplo, usted recibe un envío de

pedido especial de 500 etiquetas. Supongamos
que el 2% de las etiquetas es defectuoso. El
conteo de eventos en la población es de 10
(0.02 * 500). Usted toma una muestra de 40
etiquetas y desea determinar la probabilidad
de que haya 3 o más etiquetas defectuosas en
esa muestra. La probabilidad de que haya 3 o
más etiquetas defectuosas en la muestra es de
0.0384.
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.
Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 I

Las consideraciones para tener en cuenta en una distribución
hipergeométrica:
o El proceso consta de "n" pruebas, separadas o separables de entre

un conjunto de "N" pruebas posibles.
o Cada una de las pruebas puede dar únicamente dos resultados
mutuamente excluyentes.
o El número de individuos que presentan la característica A (éxito) es
"k".
o 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:
Ejemplo 1:
Supongamos la extracción aleatoria de 8 elementos de un conjunto

formado por 40 elementos totales (cartas baraja española) de los cuales 10 son
del tipo A (salir oro) y 30 son del tipo complementario (no salir oro). Si realizamos
las extracciones sin devolver los elementos extraídos y llamamos X al número de
elementos del tipo A (oros obtenidos) que extraemos en las 8 cartas; X seguirá
una distribución hipergeométrica de parámetros 40, 8, 10/40.H(40,8,0,25).
Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 II

Para calcular la probabilidad de obtener 4 oros:
Ejemplo 2:
De cada 20 piezas fabricadas por una máquina, hay 2 que son defectuosas.
Para realizar un control de calidad, se observan 15 elementos y se rechaza el lote
si hay alguna que sea defectuoso. Vamos a calcular la probabilidad de que el lote
sea rechazado.
Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 III

La distribución de Poisson se especifica por un parámetro: lambda (λ). Este
parámetro es igual a la media y la varianza. Cuando lambda aumente a valores lo
suficientemente grandes, la distribución normal (λ, λ) podría utilizarse para
aproximar la distribución de Poisson.
Por ejemplo, una distribución de Poisson puede describir el número de

defectos en el sistema mecánico de un avión o el número de llamadas a un centro
de llamadas en una hora. La distribución de Poisson se utiliza con frecuencia en
el control de calidad, los estudios de fiabilidad/supervivencia y los seguros.
Una variable sigue una distribución de Poisson si se cumplen las siguientes

condiciones:
o Los datos son conteos de eventos (enteros no negativos, sin límite
superior).
o Todos los eventos son independientes.
o La tasa promedio no cambia durante el período de interés.
o Las siguientes gráficas representan distribuciones de Poisson con
valores diferentes de lambda.
¿Qué es tasa de ocurrencia?
La tasa de ocurrencia es igual a la media (λ) dividida entre la dimensión del

espacio de observación. Es útil para comparar conteos de Poisson recolectados en
diferentes espacios de observación. Por ejemplo, la central telefónica A recibe 50
llamadas telefónicas en 5 horas y la central telefónica B recibe 80 llamadas en 10 horas.
Usted no puede comparar directamente estos valores, porque sus espacios de
observación son diferentes. Debe calcular la tasa de ocurrencia para comparar estos
conteos. La tasa de la central telefónica A es (50 llamadas / 5 horas) = 10 llamadas/hora.
La tasa de la central telefónica B es (80 llamadas / 10 horas) = 8 llamadas/hora.
Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 IV

Hay ocasiones en las que un proceso que podría encuadrarse dentro de lo
que conocemos como distribución binomial, ofrece dificultades que en ocasiones
incluso hacen inviable la resolución de un problema. En este sentido, pensemos
el caso en que la constante “p”, probabilidad de éxito de un experimento de
Bernoulli sea muy pequeña; (lo que habitualmente se denominan casos muy
raros), o bien el caso en que los cálculos que se derivan de la fórmula de la
binomial sean tan farragosos que saquen de rango nuestra calculadora. Sería
importante disponer de otra alternativa más interesante.
Por otro lado, pensemos también en situaciones en las que los elementos
de la población pueden considerarse extraordinariamente numerosos, (coches
que pasan durante un tiempo por una autopista, metros de tela de una
producción en una fábrica, individuos de un país susceptibles de padecer cierta
enfermedad, entre otros ejemplos posibles.
Un proceso de Poisson se presenta en relación con un acontecimiento
(éxito) durante un periodo de tiempo o espacio. Se conoce que el número de
éxitos en la unidad de estudio, instante temporal o espacial determinado es
y a su vez este es independiente del número de éxitos en otro instante o
espacio. Si llamamos X = “Nº de éxitos obtenidos en un determinado periodo”.
Diremos que X sigue una distribución de Poisson.
La función de probabilidad de esta variable viene determinada por la
fórmula:
Los parámetros media, varianza y desviación típica de esta distribución

vienen dados por:
Ejemplo 1:
Cierta enfermedad tiene probabilidad de ocurrir p=1/100000, lo que en

Medicina se denomina prevalencia. Calcula la probabilidad de que en una ciudad
de 500000 habitantes haya más de 3 personas con dicha enfermedad. ¿Cuál sería
en dicha ciudad el número de enfermos esperado?
Solución:
El problema se podría abordar mediante una B (500000, 0,00001). En este
caso aproximaremos por un modelo de Poisson de parámetro:
Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 V

Ejemplo 2:
En una carretera se producen un promedio de 2 accidentes anuales.

Calcula la probabilidad de que este año se produzcan más de 3 accidentes.
Imagen ilustrativa fuera de los ejemplos:
Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 VI

Galo Sánchez, J. R. (s. f.-a). Modelo Estadística. José R. Galo Sánchez. Recuperado 22 de
marzo de 2022, de
https://proyectodescartes.org/iCartesiLibri/materiales_didacticos/Estadistica
ProbabilidadInferencia/VAdiscreta/4_1DistribucionHipergeometrica/index.ht
ml
Galo Sánchez, J. R. (s. f.-b). Variable aleatoria discreta Bachillerato. José R. Galo
Sánchez. Recuperado 22 de marzo de 2022, de
https://proyectodescartes.org/iCartesiLibri/materiales_didacticos/Estadistica
ProbabilidadInferencia/VAdiscreta/4_2DistribucionPoisson.html
MiniTab. (s. f.-a). Distribución de Poisson - Minitab. (C) Minitab, LLC. All rights
Reserved. 2022. Recuperado 22 de marzo de 2022, de
https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/probability-distributions-and-random-data/supporting-
topics/distributions/poisson-distribution/
MiniTab. (s. f.-b). Distribución hipergeométrica - Minitab. (C) Minitab, LLC. All rights
Reserved. 2022. Recuperado 22 de marzo de 2022, de
https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/probability-distributions-and-random-data/supporting-
topics/distributions/hypergeometric-distribution/
Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 VII

Inv 3

Cargado por

Copyright:

Formatos disponibles

Inv 3

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Inv 3

Cargado por

Copyright:

Formatos disponibles

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

Se define por 3 parámetros: tamaño de la población, conteo de eventos en

Por ejemplo, usted recibe un envío de

La distribución hipergeométrica es especialmente útil en todos aquellos

Es una distribución fundamental en el estudio de muestras pequeñas de

Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 I

o El proceso consta de "n" pruebas, separadas o separables de entre

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

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

Supongamos la extracción aleatoria de 8 elementos de un conjunto

Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 II

Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 III

Por ejemplo, una distribución de Poisson puede describir el número de

Una variable sigue una distribución de Poisson si se cumplen las siguientes

¿Qué es tasa de ocurrencia?

La tasa de ocurrencia es igual a la media (λ) dividida entre la dimensión del

Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 IV

Los parámetros media, varianza y desviación típica de esta distribución

Cierta enfermedad tiene probabilidad de ocurrir p=1/100000, lo que en

Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 V

En una carretera se producen un promedio de 2 accidentes anuales.

Imagen ilustrativa fuera de los ejemplos:

Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 VI

Sánchez. Recuperado 22 de marzo de 2022, de

Reserved. 2022. Recuperado 22 de marzo de 2022, de

Reserved. 2022. Recuperado 22 de marzo de 2022, de

Zayra Monserrat Tovar Rodríguez 216663271 24-03-2022 VII

También podría gustarte