Understanding the Hypergeometric Distribution With Practical Scenarios
Table of Contents
La distribución hipergeométrica es una piedra angular de la teoría de probabilidad, proporcionando un modelo preciso para escenarios donde se realiza el muestreo sin reemplazar a una población finita. A diferencia de la distribución binomio, que supone que cada ensayo es independiente, la distribución hipergeométrica representa las probabilidades cambiantes que ocurren cuando los artículos no se devuelven a la población. Esto hace que sea indispensable en campos que van desde el control de calidad industrial a juegos de tarjetas, metodología de encuesta y la distribución exacta.
¿Qué es la distribución hipergeométrica?
Formalmente, la distribución hipergeométrica describe la probabilidad de obtener exactamente k éxitos en n sorteos sin sustitución de una población de tamaño N que contiene exactamente K éxitos. Cada sorteo produce un éxito o un fracaso, y después de cada sorteo el tema dibujado no es reemplazado, por lo que la probabilidad de éxito en los posteriores sorteos de los cambios basados en el resultado de sorteos anteriores.
Por ejemplo, considera una cubierta de 52 tarjetas de juego. Si dibujas 5 cartas sin reemplazo, la probabilidad de que exactamente 2 de ellas sean as es un problema hipergeométrico: N = 52 (tarjetas totales), K = 4 (aces), n = 5 (draws), y k = 2 (succes). La distribución hipergeométrica da la probabilidad exacta de tal resultado.
Las matemáticas detrás de la distribución
Fórmula y notación
La función de masa de probabilidad de la distribución hipergeométrica es dada por:
P(X = k) = [C(K, k) × C(N − K, n − k)] / C(N, n)
donde C(a, b) denota el coeficiente binomio, o número de maneras de elegir los elementos b de a. Esta fórmula cuenta todas las posibles combinaciones de éxitos y fracasos en la muestra en relación con el total de muestras posibles.
Comprender la Combinación
El denominador C(N, n) representa todas las muestras posibles de tamaño n dibujadas sin sustitución de la población. El numerador consta de dos partes: C(K, k) cuenta el número de maneras de elegir k éxitos de los K éxitos en la población, y C(N − K, n − k) cuenta el número de maneras de elegir los rendimientos n − k restantes de la N − K números favorables a la población.
Esta formulación es válida sólo cuando 0 ≤ k ≤ K y 0 ≤ n − k ≤ N − K; de lo contrario la probabilidad es cero.
Propiedades clave de la distribución hipergeométrica
Significado y variación
El valor esperado (medio) de la distribución hipergeométrica es:
μ = n × (K / N)
Intuitivamente, esto coincide con el número promedio de éxitos que esperaría si simplemente multiplicase el tamaño de la muestra por la proporción de población.
La diferencia es:
σ2 = n × (K / N) × (1 − K / N) × (N − n) / (N −1)
El término (N − n)/(N −1) se denomina factor de corrección de la población finita. Cuando n es mucho menor que N, este factor es cercano a 1, y la varianza aproxima la de la distribución binomial. Al muestrear una gran fracción de la población, la varianza se reduce porque el muestreo sin reemplazo crea dependencia negativa entre los sorteos.
Simmetría
La distribución hipergeométrica es simétrica si K = N/2. Más generalmente, cambiar las definiciones de “éxito” y “failure” produce una distribución complementaria: P(X = k) para parámetros (N, K, n) es igual que P(X = n − k) para parámetros (N, N − K, n).
Escenarios prácticos
Control de calidad en la fabricación
Supongamos que una máquina produce 1.000 chips electrónicos, y históricamente el 3% son defectuosos. Un inspector de calidad selecciona aleatoriamente 30 chips del lote sin reemplazo. ¿Cuál es la probabilidad de que exactamente 2 chips son defectuosos?
Aquí N = 1000, K = 30 (3% de 1000), n = 30, k = 2. La distribución hipergeométrica da:
P(2) = [C(30,2) × C(970,28)] / C(1000,30)
Computar esto requiere grandes números combinatorios, pero puede ser aproximado bien utilizando software estadístico. En la práctica, los fabricantes utilizan tales probabilidades para establecer límites de calidad aceptables (AQL) y decidir si un lote pasa inspección. Si el número observado de defectos en una muestra es muy poco probable bajo la tasa de defectos asumido, el lote puede ser rechazado.
Juegos de cartas: probabilidad de una mano de póker
En una cubierta estándar de 52 cartas, considere la probabilidad de ser tratado exactamente 3 corazones en una mano de póquer de 5 cartas. Hay 13 corazones (sucesos), 39 no-corazones (falsas).
P(3 corazones) = [C(13,3) × C(39,2)] / C(52,5) ♥ 0,0816 o alrededor del 8,16%.
Este método se extiende a cualquier probabilidad de mano de póquer — casas completas, remolinos, o dibujo de tarjetas específicas de una cubierta. También se utiliza en juegos como blackjack o bingo donde se dibujan cartas o bolas sin reemplazo.
Ecological Sampling and Capture-Recapture
Los biólogos utilizan a menudo un método de captura-recaptura para estimar el tamaño de la población animal. En un estudio típico, una muestra de animales es capturada, marcada y liberada. Posteriormente, se captura una segunda muestra, y se registra el número de animales marcados en la segunda muestra. La distribución hipergeométrica modela la probabilidad de observar un cierto número de animales marcados, dado el tamaño inicial de captura.
Auditoría y aceptación de lotes
En la auditoría financiera, un auditor muestra facturas de una población para comprobar errores. La distribución hipergeométrica ayuda a determinar el tamaño de la muestra necesaria para detectar una tasa de error material con una confianza dada. De manera similar, en los planes de muestreo de aceptación de lotes (como ANSI/AS Z1.4), las probabilidades hipergeométricas se utilizan para decidir si aceptar o rechazar un montón basado en el número de elementos defectivos encontrados en una muestra.
Comparación de distribuciones hipergeométricas y binomiales
La distribución binomial supone empates independientes con reposición (o efectivamente infinita población). Al muestreo sin sustitución de una población finita, la hipergeométrica es exacta. La diferencia clave es la estructura de dependencia: los sorteos hipergeométricos están negativamente correlacionados porque cada éxito reduce la probabilidad de éxitos posteriores, mientras que los sorteos binomiales no están relacionados.
Como regla de pulgar, cuando el tamaño de la muestra n es inferior al 10% del tamaño de la población N, el binomial es una buena aproximación a la hipergeometría, y la diferencia de probabilidades es insignificante. Sin embargo, al muestrear una gran fracción de la población, la distribución hipergeométrica da probabilidades más precisas y debe ser utilizada.
Matemáticamente, como N → ∞ manteniendo la proporción K/N fija, la distribución hipergeométrica converge a la distribución binomio con parámetros n y p = K/N. Esto se conoce como el límite Poisson para hipergeometría, aunque la aproximación normal también se aplica para la N grande y grande con p no demasiado cerca de 0 o 1.
Calculando las probabilidades hipergeométricas
Cálculo manual utilizando combinaciones
Para números pequeños, puede calcular la probabilidad hipergeométrica usando la fórmula directamente. Por ejemplo, con N=10, K=4, n=5, y k=2: C(4,2)=6, C(6,3)=20, C(10,5)=252. Así P(2)= (6×20)/252 ♥ 0.476. Esto es manejable a mano o con una calculadora simple.
Utilizando Software Estadístico y Calculadoras en Línea
Muchos paquetes de software tienen funciones integradas para la distribución hipergeométrica. En R, la función dhyper(k, K, N-K, n) devuelve la probabilidad exacta. Python’s scipy.stats.hypergeom ofrece funcionalidad similar. Aplicaciones de hoja de cálculo como Excel proporcionan la función HYPGEOM.DIST(k, n, K, N, FALSE) para la función de masa de probabilidad.
Calculadoras en línea (como este de StatTrek) son fáciles de usar para computaciones rápidas. Normalmente requieren entrar N, K, n y k, y devolver la probabilidad y también probabilidades acumulativas.
Misconcepciones comunes y Pitfalls
Un error frecuente es el uso de la distribución binomial cuando se requiere la hipergeometría, especialmente cuando la muestra es una fracción sizable de la población. Por ejemplo, en la mayoría de muestreo de aceptación con n = 50 de N = 500, el binomio sobrestimaría significativamente la probabilidad de resultados extremos porque ignora el agotamiento de los éxitos. Siempre comprueba la fracción de muestreo: si no Ø 0.1, prefiere el hipergeo.
Otra idea errónea es que la hipergeometría es sólo para los resultados binarios “éxito/failuro”. En realidad, puede aplicarse a cualquier clasificación de dos categorías (por ejemplo, rojo/azul, sí/no, macho/femenino). Las categorías deben ser mutuamente excluyentes y colectivamente exhaustivas para el sorteo dado.
Conexiones a otras distribuciones
La hipergeometría es parte de una familia de distribuciones discretas derivadas de poblaciones finitas. Su extensión multivariada, la distribución hipergeométrica multivariada, maneja más de dos categorías. Por ejemplo, dibujar mármoles de múltiples colores de una urna sin reemplazo sigue la hipergeométrica multivariada. De manera similar, el número negativo de empates es el número de sorteos necesarios para obtener un número fijo de éxitos.
La hipergeometría también surge naturalmente en la prueba exacta de Fisher, una prueba estadística para la independencia en tablas de contingencia 2×2. La prueba calcula la probabilidad exacta de observar los recuentos de células de la tabla dadas las sumas marginales, que es una probabilidad hipergeométrica.
Resumen
La distribución hipergeométrica es una herramienta esencial para modelar muestreo sin reemplazar a poblaciones finitas. Sus cálculos de probabilidad precisos son críticos en control de calidad, juegos de cartas, estudios ecológicos, auditoría y muchos otros dominios del mundo real. Al entender su fórmula, propiedades y relación con la distribución binomio, los profesionales pueden elegir el modelo correcto y evitar errores estadísticos comunes. Ya sea que sea un estudiante de probabilidad, un analista de calidad,
Para más lectura, explore el Artículo de Wikipedia sobre la distribución hipergeométrica, que proporciona derivaciones matemáticas adicionales y contexto histórico. Otro recurso excelente es este curso de probabilidad de la Universidad de Texas que incluye ejemplos interactivos. Finalmente, el libro de texto Introducción a la probabilidad por Bertsekas y Tsitsiklis ofrece un tratamiento minucioso con muchos problemas prácticos.