A distribuição hipergeométrica é uma pedra angular da teoria da probabilidade, fornecendo um modelo preciso para cenários onde a amostragem é feita sem substituição de uma população finita. Ao contrário da distribuição binomial, que assume que cada ensaio é independente, a distribuição hipergeométrica é responsável pelas probabilidades de mudança que ocorrem quando os itens não são devolvidos à população. Isso torna indispensável em campos que vão desde o controle de qualidade industrial a jogos de cartas, metodologia de levantamento e experimentos biológicos. Compreender essa distribuição permite aos analistas calcular probabilidades exatas em situações em que o tamanho da população é pequeno em relação à amostra, ou onde o próprio ato amostral altera a composição restante.

O que é a distribuição hipergeométrica?

Formalmente, a distribuição hipergeométrica descreve a probabilidade de obtenção exata k sucessos em n desenha sem substituição de uma população de tamanho N que contém exactamente K sucessos. Cada sorteio ou produz um sucesso ou um fracasso, e depois de cada sorteio o item desenhado não é substituído, então a probabilidade de sucesso em subsequentes empates muda com base no resultado dos sorteios anteriores.

Por exemplo, considere um baralho de 52 cartas de jogo. Se você desenhar 5 cartas sem substituição, a probabilidade de que exatamente 2 delas sejam ases é um problema hipergeométrico: N = 52 (cartas totais), K = 4 (aces), n = 5 (draws) e k = 2 (sucessos). A distribuição hipergeométrica dá a probabilidade exata de tal resultado.

A Matemática Por trás da Distribuição

Fórmula e notação

A função de massa de probabilidade da distribuição hipergeométrica é dada por:

P( X = k) = [C( K, k) × C( N − K, n − k)] / C( N, n)

onde C(a, b) denota o coeficiente binomial, ou número de maneiras de escolher itens b de a. Esta fórmula conta todas as combinações possíveis de sucessos e falhas na amostra em relação ao total de amostras possíveis.

Compreender a Combinatória

O denominador C( N, n) representa todas as amostras possíveis de tamanho n desenhadas sem substituição da população. O numerador consiste em duas partes: C( K, k) conta o número de maneiras de escolher os sucessos de k dos sucessos de K na população, e C( N − K, n − k) conta o número de maneiras de escolher as falhas de n − k restantes das falhas de N − K na população. Multiplicando estas, dá o número de amostras favoráveis. A proporção então produz a probabilidade.

Esta formulação só é válida quando 0 ≤ k ≤ K e 0 ≤ n − k ≤ N − K; caso contrário, a probabilidade é zero.

Propriedades-chave da Distribuição Hipergeométrica

Média e Variância

O valor esperado (média) da distribuição hipergeométrica é:

μ = n × (K / N)

Intuitivamente, isso corresponde ao número médio de sucessos que você esperaria se você simplesmente multiplicasse o tamanho da amostra pela proporção populacional.

A variância é:

σ2 = n × (K / N) × (1 − K / N) × (N − n) / (N − 1)

O termo (N - n)/(N - 1) é chamado de fator de correção populacional finito. Quando n é muito menor que N, este fator é próximo de 1, e a variância aproxima-se da distribuição binomial. Quando se amostra uma grande fração da população, a variância é reduzida porque a amostragem sem substituição cria dependência negativa entre os sorteios.

Simetria

A distribuição hipergeométrica é simétrica se K = N/2. Mais geralmente, trocar as definições de “sucesso” e “falha” produz uma distribuição complementar: P(X = k) para parâmetros (N, K, n) é o mesmo que P(X = n − k) para parâmetros (N, N − K, n).

Cenários práticos

Controle de Qualidade na Manufatura

Suponha que uma máquina produz 1.000 chips eletrônicos, e historicamente 3% são defeituosos. Um inspetor de qualidade seleciona aleatoriamente 30 chips do lote sem substituição. Qual é a probabilidade de que exatamente 2 chips são defeituosos?

Aqui N = 1000, K = 30 (3% de 1000), n = 30, k = 2. A distribuição hipergeométrica dá:

P(2) = [C(30,2) × C(970,28)] / C(1000,30)

Computar isto requer grandes números combinatórios, mas pode ser bem aproximado usando software estatístico. Na prática, os fabricantes usam tais probabilidades para definir limites de qualidade aceitáveis (AQL) e para decidir se um lote passa por inspeção. Se o número de defeitos observados em uma amostra é muito improvável sob a taxa de defeito presumida, o lote pode ser rejeitado.

Jogos de cartas: Probabilidade de uma Mão de Poker

Em um baralho padrão de 52 cartas, considere a probabilidade de ser tratado exatamente 3 corações em uma mão de poker de 5 cartas. Existem 13 corações (sucessos), 39 não-coração (fracassamentos).

P(3 copas) = [C(13,3) × C(39,2)] / C(52,5) □ 0,0816 ou cerca de 8,16%.

Este método estende-se a qualquer probabilidade mão poker — full houses, flushes, ou desenho de cartas específicas de um baralho. Também é usado em jogos como blackjack ou bingo onde cartões ou bolas são desenhadas sem substituição.

Amostragem ecológica e captura-recaptura

Os biólogos utilizam frequentemente um método de captura-recaptura para estimar o tamanho da população animal. Num estudo típico, uma amostra de animais é capturada, marcada e libertada. Mais tarde, uma segunda amostra é capturada e o número de animais marcados na segunda amostra é registado. A distribuição hipergeométrica modela a probabilidade de observar um certo número de animais marcados, dado o tamanho inicial da captura. A estimativa da probabilidade máxima pode então inferir o tamanho total da população. Esta técnica é amplamente utilizada no manejo da vida selvagem e na biologia da conservação.

Amostragem de auditoria e aceitação de lote

Na auditoria financeira, um auditor faz faturas de uma população para verificar se há erros. A distribuição hipergeométrica ajuda a determinar o tamanho da amostra necessária para detectar uma taxa de erro material com uma determinada confiança. Da mesma forma, em planos de amostragem de aceitação de lote (como ANSI/ASQ Z1.4), as probabilidades hipergeométricas são usadas para decidir se aceitar ou rejeitar um lote com base no número de itens defeituosos encontrados em uma amostra.

Comparação das distribuições hipergeométrica e binomial

A distribuição binomial assume sorteios independentes com substituição (ou população efetivamente infinita). Quando a amostragem sem substituição de uma população finita, o hipergeométrico é exato. A diferença chave é a estrutura de dependência: os sorteios hipergeométricos estão negativamente correlacionados porque cada sucesso reduz a probabilidade de sucessos subsequentes, enquanto os sorteios binomiais não são correlacionados.

Como regra, quando o tamanho da amostra n é menor que 10% do tamanho da população N, o binômio é uma boa aproximação ao hipergeométrico, sendo a diferença de probabilidades negligenciável, porém, quando se faz uma amostragem de grande fração da população, a distribuição hipergeométrica proporciona probabilidades mais precisas e deve ser utilizada.

Matematicamente, como N → □ mantendo a proporção fixa K/N, a distribuição hipergeométrica converge para a distribuição binomial com os parâmetros n e p = K/N. Isso é conhecido como limite de Poisson para hipergeométrico, embora a aproximação normal também se aplique para N grande e N grande com p não muito próximo de 0 ou 1.

Calculando Probabilidades Hipergeométricas

Cálculo manual usando combinações

Para números pequenos, você pode calcular a probabilidade hipergeométrica usando a fórmula diretamente. Por exemplo, com N=10, K=4, n=5, e k=2: C(4,2)=6, C(6,3)=20, C(10,5)=252. Assim, P(2)= (6×20/252 . 0,476. Isto é controlável à mão ou com uma calculadora simples.

Usando software estatístico e calculadoras on-line

Muitos pacotes de software têm funções incorporadas para a distribuição hipergeométrica. dhyper( k, K, N- K, n) retorna a probabilidade exata. Python’s scipy.stats.hypergeom aplicações de planilha como Excel fornecer a função HYPGEOM.DIST(k, n, K, N, FALSE) para a função de massa de probabilidade.

Calculadoras online (como este de StatTrek) são fáceis de usar para cálculos rápidos. Eles normalmente requerem a entrada de N, K, n e k, e retornam a probabilidade e também probabilidades cumulativas.

Concepção e armadilhas comuns

Um erro frequente é usar a distribuição binomial quando o hipergeométrico é necessário, especialmente quando a amostra é uma fração considerável da população. Por exemplo, na amostragem de aceitação do lote com n = 50 de N = 500, o binomial superestimaria significativamente a probabilidade de desfechos extremos, pois ignora a depleção de sucessos. Verifique sempre a fração amostral: se n/N > 0,1, prefira o hipergeométrico a menos que você esteja amostrando com substituição.

Outro equívoco é que o hipergeométrico é apenas para “sucesso/falha” resultados binários. Na realidade, pode ser aplicado a qualquer classificação de duas categorias (por exemplo, vermelho/azul, sim/não, masculino/feminino). As categorias devem ser mutuamente exclusivas e coletivamente exaustivas para o sorteio dado.

Ligações a outras distribuições

A hipergeométrica faz parte de uma família de distribuições discretas derivadas de populações finitas. Sua extensão multivariada, a distribuição hipergeométrica multivariada, lida com mais de duas categorias. Por exemplo, desenhar mármores de cores múltiplas de uma urna sem substituição segue o hipergeométrico multivariado. Da mesma forma, a distribuição hipergeométrica negativa modela o número de sorteios necessários para obter um número fixo de sucessos.

O hipergeométrico também surge naturalmente no teste exato de Fisher, um teste estatístico de independência em tabelas de contingência 2×2. O teste calcula a probabilidade exata de observar as contagens celulares da tabela, dados os totais marginais, que é uma probabilidade hipergeométrica.

Resumo

A distribuição hipergeométrica é uma ferramenta essencial para modelar a amostragem sem substituição de populações finitas. Seus cálculos de probabilidade precisos são críticos no controle de qualidade, jogos de cartas, estudos ecológicos, auditoria e muitos outros domínios do mundo real. Ao entender sua fórmula, propriedades e relação com a distribuição binomial, os praticantes podem escolher o modelo correto e evitar erros estatísticos comuns. Se você é um estudante de probabilidade, um analista de dados ou um engenheiro de qualidade, dominar a distribuição hipergeométrica irá aguçar sua capacidade de raciocinar sobre o acaso em configurações de população finita.

Para mais leitura, explore o Artigo da Wikipédia sobre a distribuição hipergeométrica, que fornece derivações matemáticas adicionais e contexto histórico. este curso de probabilidade da Universidade do Texas que inclui exemplos interativos. Finalmente, o livro didático Introdução à Probabilidade por Bertsekas e Tsitsiklis oferece um tratamento completo com muitos problemas práticos.