Docsity
Docsity

Prepare for your exams
Prepare for your exams

Study with the several resources on Docsity


Earn points to download
Earn points to download

Earn points by helping other students or get them with a premium plan


Guidelines and tips
Guidelines and tips

Introducción a la Distribución Hipergeométrica, Thesis of Advanced Calculus

Una introducción a la distribución hipergeométrica, una distribución de probabilidad discreta que se aplica a situaciones de muestreo sin reemplazo. Se explica la fórmula de la distribución y se ilustra con un ejemplo práctico de la probabilidad de sacar un celular dañado de una caja. Útil para estudiantes de estadística que buscan comprender los conceptos básicos de la distribución hipergeométrica.

Typology: Thesis

2024/2025

Uploaded on 10/17/2024

franco-issac-roldan-espinosa
franco-issac-roldan-espinosa 🇺🇸

4 documents

1 / 5

Toggle sidebar

This page cannot be seen from the preview

Don't miss anything!

bg1
Franco Issac Roldan Espinosa
3 A MAAU
Hipergeomét
rica
pf3
pf4
pf5

Partial preview of the text

Download Introducción a la Distribución Hipergeométrica and more Thesis Advanced Calculus in PDF only on Docsity!

Franco Issac Roldan Espinosa 3 A MAAU

Hipergeomét

rica

Introducción a la Distribución

Hipergeométrica

La distribución hipergeométrica es una distribución de probabilidad discreta que se aplica a situaciones en las que se realizan extracciones sin reemplazo de una población finita. A diferencia de la distribución binomial, donde cada ensayo es independiente, la distribución hipergeométrica se caracteriza por la dependencia entre ensayos, ya que la probabilidad de éxito cambia a medida que se realizan las extracciones sin reemplazo.

En una caja hay 10 celulares de los cuales hay 3 celulares dañados, si se sacan 5 celulares de la caja, ¿Cuál es la probabilidad de sacar un celular dañado? N= 10 n= 5 d= 3 (celulares dañados) x= 1 ( numero de celulares dañados en la muestra p Ejemplo Práctico

Conclusión La distribución hipergeométrica es una herramienta esencial en la estadística para problemas de muestreo sin reemplazo. A lo largo de esta presentación, hemos explorado su definición, sus aplicaciones prácticas y la fórmula que la rige. Hemos visto cómo esta distribución nos permite calcular la probabilidad de obtener un número específico de éxitos en una muestra extraída de una población finita, considerando que cada extracción afecta las probabilidades subsiguientes.