Distribucin hipergeomtrica

Distribucin hipergeomtrica

Parmetros

Dominio

Funcin de probabilidad(fp)

Media

Moda

Varianza

Coeficiente de simetra

Curtosis

Funcin generadora de momentos(mgf) Funcin caracterstica

En teora de la probabilidad la distribucin hipergeomtrica es una distribucin discreta relacionada con muestreos aleatorios y sin reemplazo. Supngase que se tiene una poblacin de N elementos de los cuales, d pertenecen a la categora A y N-d a la B. La distribucin hipergeomtrica mide la probabilidad de obtener x ( ) elementos de la categora A en una muestra sin reemplazo de n elementos de la poblacin original.

Propiedades[editar editar cdigo]

La funcin de probabilidad de una variable aleatoria con distribucin hipergeomtrica puede deducirse a travs de razonamientoscombinatorios y es igual a

donde es el tamao de poblacin, es el tamao de la muestra extrada, de elementos en la poblacin original que pertenecen a la categora deseada y

es el nmero es el

nmero de elementos en la muestra que pertenecen a dicha categora. La notacin referencia al coeficiente binomial, es decir, el nmero de combinaciones posibles al seleccionar elementos de un total . El valor esperado de una variable aleatoria X que sigue la distribucin hipergeomtrica es

hace

y su varianza,

En la frmula anterior, definiendo

se obtiene

La distribucin hipergeomtrica es aplicable a muestreos sin reemplazo y la binomial a muestreos con reemplazo. En situaciones en las que el nmero esperado de repeticiones en el muestreo es presumiblemente bajo, puede aproximarse la primera por la segunda. Esto es as cuando N es grande y el tamao relativo de la muestra extrada, n/N, es pequeo.

Enlaces externos[editar editar cdigo]

DISTRIBUCIN HIPERGEOMTRICA. Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas: a) Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de resultados. b) Las probabilidades asociadas a cada uno de los resultados no son constantes. c) Cada ensayo o repeticin del experimento no es independiente de los dems. d) El nmero de repeticiones del experimento (n) es constante.

Ejemplo: En una urna o recipiente hay un total de N objetos, entre los cuales hay una cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al azar, y sin reemplazo, cul es la probabilidad de obtener x objetos defectuosos? Solucin: Luego;

donde:

p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados muestras de n objetos en donde hay x que son defectuosos y n-x buenos todas las muestras posibles de seleccionar de n objetos tomadas de entre N objetos en total = espacio muestral

Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos, si de seleccionan 4 objetos al azar, cul es la probabilidad de que 2 sean defectuosos? Solucin: N = 10 objetos en total a = 3 objetos defectuosos n = 4 objetos seleccionados en muestra x = 2 objetos defectuosos deseados en la muestra

donde:

probabilidad asociada a cada muestra de 4 objetos que se seleccionaron, con lo que se demuestra que las probabilidades no son constantes

formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados = muestras de 4 objetos entre los que 2 son defectuosos

Como se observa en el desarrollo de la solucin del problema, la pretensin es demostrar que las probabilidades asociadas a cada uno de los resultados no son constantes. Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar sera:

Ejemplos:
1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en una botella que contiene 9 pldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) Cul es la probabilidad de que el viajero sea arrestado por posesin de narcticos?, b) Cul es la probabilidad de que no sea arrestado por posesin de narcticos?.

Solucin: a) N = 9+6 =15 total de tabletas a = 6 tabletas de narctico n = 3 tabletas seleccionadas x = 0, 1, 2, o 3 tabletas de narctico = variable que nos indica el nmero de tabletas de narctico que se puede encontrar al seleccionar las 3 tabletas p(viajero sea arrestado por posesin de narcticos) = p(de que entre las 3 tabletas seleccionadas haya 1 o ms tabletas de narctico)

otra forma de resolver; p(el viajero sea arrestado por posesin de narcticos) = 1 p(de que entre las tabletas seleccionadas no haya una sola de narctico)

b) p(no sea arrestado por posesin de narcticos)

2. De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles defectuosos que no explotarn, cul es la probabilidad de que , a) los 4 exploten?, b) al menos 2 no exploten?

Solucin: a) N = 10 proyectiles en total a = 7 proyectiles que explotan n = 4 proyectiles seleccionados x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero de proyectiles que explotan entre la muestra que se dispara

b) N = 10 proyectiles en total a = 3 proyectiles que no explotan n = 4 proyectiles seleccionados

x = 0, 1, 2 o 3 proyectiles que no explotan p(al menos 2 no exploten) = p( 2 o ms proyectiles no exploten) = p(x = 2 o 3; n=4) =

3. a)Cul es la probabilidad de que una mesera se rehse a servir bebidas alcohlicas nicamente 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) Cal es la probabilidad de que como mximo 2 de las identificaciones pertenezcan a menores de edad?

Solucin: a) N = 9 total de estudiantes a = 4 estudiantes menores de edad n = 5 identificaciones seleccionadas x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad

b) N = 9 total de estudiantes a = 4 estudiantes menores de edad n = 5 identificaciones seleccionadas x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad

DISTRIBUCIN HIPERGEOMTRICA (ir a script de la hipergeomtrica)

Hasta ahora hemos analizado distribuciones que modelizaban situaciones en las que se realizaban pruebas que entraaban una dicotoma (proceso de Bernouilli) de manera que en cada experiencia la probabilidad de obtener cada uno de los dos posibles resultados se mantena constante. Si el proceso consista en una serie de extracciones o selecciones ello implicaba la reposicin de cada extraccin o seleccin , o bien la consideracin de una poblacin muy grande. Sin embargo si la poblacin es pequea y las extracciones no se remplazan las probabilidades no se mantendrn constantes . En ese caso las distribuciones anteriores no nos servirn para la modelizar la situacin. La distribucin hipergeomtrica viene a cubrir esta necesidad de modelizar procesos de Bernouilli con probabilidades no constantes (sin reemplazamiento) . La distribucin hipergeomtrica es especialmente til en todos aquellos casos en los que se extraigan muestras o se realizan experiencias repetidas sin devolucin del elemento extrado o sin retornar a la situacin experimental inicial. Modeliza , de hecho, situaciones en las que se repite un nmero determinado de veces una prueba dicotmica de manera que con cada sucesivo resultado se ve alterada la probabilidad de obtener en la siguiente prueba uno u otro resultado. Es una distribucin .fundamental en el estudio de muestras pequeas de poblaciones .pequeas y en el clculo de probabilidades de, juegos de azar y tiene grandes aplicaciones en el control de calidad en otros procesos experimentales en los que no es posible retornar a la situacin de partida. La distribucin hipergeomtrica puede derivarse de un proceso experimental puro o de Bernouilli con las siguientes caractersticas: El proceso consta de n pruebas , separadas o separables de entre un conjunto de N pruebas posibles. Cada una de las pruebas puede dar nicamente 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 varan en las sucesivas pruebas, dependiendo de los resultados anteriores. (Derivacin de la distribucin) . Si estas circunstancias a leatorizamos de forma que la variable aleatoria X sea el nmero de resultados A obtenidos en n pruebas la distribucin de X ser una Hipergeomtrica de parmetros N,n,p as Un tpico caso de aplicacin de este modelo es el siguiente : Supongamos la extraccin 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 extrados , y llamamos X. al nmero de elementos del tipo A que extraemos en n extracciones X seguir una distribucin hipergeomtrica de parmetros N , n , p Funcin de cuanta. La funcin de cuanta de una distribucin Hipergeomtrica har 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 :

Hay un total de

formas distintas de obtener

x resultados del tipo A y n-x del tipo , si partimos de una poblacin formada por Np elementos del tipo A y Nq elementos del tipo Por otro lado si realizamos n pruebas o extracciones hay un total de

posibles muestras ( grupos de n elementos) aplicando la regla de Laplace tendramos

que para valores de X comprendidos entre el conjunto de enteros 0,1,. .n ser la expresin de la funcin de cuanta de una distribucin , Hipergeomtrica de parmetros N,n,p . Media y varianza. Considerando que una variable hipergeomtrica de parmetros N, n, p puede considerarse generada por la reiteracin de un proceso dicotmico n veces en el que las n dicotomas NO son independientes ; podemos considerar que una variable hipergeomtrica es la suma de n variables dicotmicas NO independientes. Es bien sabido que la media de la suma de variables aleatorias (sean stas independientes o no) es la suma de las medias y por tanto la media de una distribucin hipergeomtrica ser , como en el caso de la binomial : En cambio si las variables sumando no son independientes la varianza de la variable suma no ser la suma de las varianzas. Si se evala el valor de la varianza para nuestro caso se obtiene que la varianza de una distribucin hipergeomtrica de parmetros N,n,p es : si

para demostracin de esta expresin vase Wilks S. ,Mathematical Statistics,1962 Esta forma resulta ser la expresin 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 reposicin de los elementos extrados en el muestreo. Este coeficiente es tanto ms pequeo cuanto mayor es el tamao muestral (nmero de pruebas de n ) y puede comprobarse como tiende a aproximarse a 1

cuando el tamao de la poblacin N es muy grande . Este ltimo hecho nos confirma lo ya comentado sobre la irrelevancia de la reposicin o no cuando se realizan extracciones sucesivas sobre una poblacin muy grande. Con una poblacin muy grande se cual fuere el tamao de n , el factor corrector sera uno lo que convertira , en cierto modo a la hipergeomtrica en una binomial (ver D. Binomial) . As Lmite de la distribucin hipergeomtrica cuando N tiende a infinito. Hemos visto como la media de la distribucin hipergeomtrica [H{N,n,p)], tomaba siempre el mismo valor que la media de una distribucin binomial [B{n,p)] tambin hemos comentado que si el valor del parmetro N creca hasta aproximarse a infinito el coeficiente de exhaustividad tenda a ser 1, y, por lo tanto, la varianza de la hipergeomtrica se aproximaba a la de la binomial : puede probarse asimismo , cmo la funcin de cuanta de una distribucin hipergeomtrica tiende a aproximarse a la funcin de cuanta de una distribucin binomial cuando

Puede comprobarse en la representacin grfica de una hipergeomtrica con N =100000 como sta ,es idntica a la de una binomial con los mismos parmetros restantes n y p , que utilizamos al hablar de la binomial

Moda de la distribucin hipergeomtrica

De manera anloga a como se obtena la moda en la distribucin binomial es fcil obtener la expresin de sta para la distribucin hipergeomtrica. De manera que su expresin X0 sera la del valor o valores enteros que verificasen.

Distribucin Hipergeomtrica
Notacin:

Definicin Muchas veces en la prctica es difcil realizar pruebas con reposicin reemplazamiento. Por ejemplo, si en el control de calidad se pierde el elemento que se prueba, pues no se puede hacer reposicin directamente. Se planta entonces la prueba sin reposicin, donde los elementos de la muestra se toman todos a la vez y no individualmente donde el elemento seleccionado no se reintegra al experimento a la muestra nuevamente. La diferencia mas simple con la binomial es la forma de aplicar el muestreo. En efecto, en: : Muestreo con reemplazamiento e independencia de pruebas ensayos. : Muestreo sin reemplazamiento y sin independeencia entre pruebas ensayos. Sus aplicaciones estan en areas con uso considerable de muestreo de aceptacin, pruebas electronicas y de aseguramiento de la calidad, fabricacin de piezas, etc. Definicin En la distribucin Hipergeomtrica cantidad de resultados xitos en una , tomada de una poblacin de

muestra aleatoria (sin reposicin) de tamao

tamao

y de la cual

satisface una caracteristica propiedad (xito) antes

del muestreo y

no la satisface (fracaso).

Criterios propiedades que la caracterizan.

1. La poblacin del conjunto de unidades elementos es de orden fnito, de

los cuales una parte: "son xitos", y otra parte: son "fracasos". 2. Cada elemento puede ser caracterizado como xito fracaso. 3. Se obtiene una muestra aleatoria de elementos todos a la vez (sin reemplazamiento) y no de forma independiente. No son pruebas repetidas. 4. El tamao de la muestra aleatoria es grande relativamente en

comparacin con el tamao de la poblacin. Generalmente: 5. Se busca la probabilidad de resultados elementos y nmero de xitos a partir de los fracasos a partir de los elementos asi

clasificados, al obtener una muestra aleatoria de tamao Supongamos un lote de Obtenemos muestra de probabilidad de sacar productos de los cuales: productos, todos a la vez. Interesa entonces la

productos defectuosos (Exito), o sea:

Planteado as el (E.A.) Podemos hacer el siguiente raciocinio: De una poblacin de de elementos se pueden extraer muestras de tamo ). Al extraer muestras productos defectuosos

formas diferentes (distintas muestras de tamao productos, el nmero de formas de obtener y entonces

de tamao de

de ellos ser:

sera el nmero de formas de de ellos.

obtener

productos no defectuosos entre

Como es el mismo evento compuesto, entonces el nmero de formas de seleccionar obtener productos defectuosos esta ligado con el nmero de formas de productos no defectuosos. Luego el total de formas posibles sera:

Combinando los casos

Los parmetros de la distribucin Hipergeomtrica son entonces: Tamao de poblacin. Nmero de elementos de (xitos). con una caracteristica propiedad especfica

Tamao de muestra aleatoria extraida. Nota: Algunos tratadistas simbolizan esta distribucin con:

Caractersticas de la Distribucin Hipergeomtrica.

En la practica, si cero La funcin de distribucin acumulativa quedar definida entonces por: , no se aplica el pues su valor tendera a

Pueden ser calculos tediosos laborosos cuando aplican la forma simplificada de recurrencia:

es grande. Por ello hay quienes

Ejemplo En una empresa industrial diariamente se producen 90 unidades de unidad metalmecnica, de las cuales generalmente 5 salen defectuosas. Se examina en

un dia cualquiera una muestra de 5 unidades. Hallar la probabilidad de defectuosas.

unidades

para que resolviendo permite definir la tabla de distribucin de probabilidad:

Si representamos grficamente la tabla resultante, tenemos: Calculamos el valor de sus principales medidas caractersticas: Media: =

Que simplificadamente:

Varianza: tambien.

y que an de forma mas simplificada:

Sesgo: aqui:

Hacia

la derecha pues

positivo y

como

se

v graficamente.

Adems,

pues