Distribucion Hipergeometrica

Patiño K.

18 de julio de 2017
N=100
x=seq(0,N)
n1=dhyper(x,20,80,10)
n2=dhyper(x,20,80,20)
n3=dhyper(x,20,80,30)
n4=dhyper(x,20,80,40)
n5=dhyper(x,20,80,50)
plot(x,n1,main='Distribucion hipergeometrica con N=100, k=20 para diferentes val
ores de n',lwd=3,'b',pch=16,col=1)
legend(80,0.3,lwd=3,pch=16,col=c(1:5),c('n=10','n=20','n=30','n=40','n=50'))
lines(x,n2,'b',lwd=3,pch=16,col=2)
lines(x,n3,'b',lwd=3,pch=16,col=3)
lines(x,n4,'b',lwd=3,pch=16,col=4)
lines(x,n5,'b',lwd=3,pch=16,col=5)

X: Siendo el número de elementos que tienen la característica de interés en los diferentes

elementos seleccionados (n).
La graficas tienen un coeficiente de asimetría mayor de 0, lo cual su gráfica para cada uno
de los valores de n es sesgada a la derecha, nos representa que en todos los n que
escojamos existe una probabilidad casi nula después de que x sea mayor de 20. Los datos
están concentrados en valores pequeños lo que significa que su rendimiento no es muy
alto.

Siendo n=10 el número de elementos seleccionados al azar sin reemplazo de los 100
elementos a estudiar con 2 elementos que tienen la característica de interés presenta la
probabilidad más alta de 0,3182 con respecto a los otros valores seleccionados para n.
 Distribucion Poisson
Patiño K.

18 de julio de 2017
n=10
x=seq(0,n)
m1=dpois(x,1)
m3=dpois(x,3)
m5=dpois(x,5)
m7=dpois(x,7)
m9=dpois(x,9)
plot(x,m1,main='Distribucion poisson para diferentes valores de m',lwd=3,'b',pc
h=16,col=23)
legend(8,0.38,lwd=3,pch=16,col=c(23:27),c('m=1','m=3','m=5','m=7','m=9'))
lines(x,m3,'b',lwd=3,pch=16,col=24)
lines(x,m5,'b',lwd=3,pch=16,col=25)
lines(x,m7,'b',lwd=3,pch=16,col=26)
lines(x,m9,'b',lwd=3,pch=16,col=27)

Siendo X una variable aleatoria que representa el número de eventos aleatorios independientes
que ocurren a una rapidez constante (m) sobre el tiempo o el espacio. Se puede observar que
en esta distribución poisson que nos da la gráfica analizaremos cuando la lambda es igual a 5
(m=5), porque nos representa una distribución normal a diferencia de los otros valores que le
dimos a la lambda este es el más apropiado para sacar conclusiones satisfactorias y concretas
de nuestro estudio

Siendo lambda 5 y x=5 tenemos una probabilidad de 0.1755, esta distribución es simétrica, sus
datos son homogéneos en lado y lado, que cuenta con una varianza estable ya que están cerca
a la media a diferencia de los otros lambda que sus valores dan una mayor variabilidad ya que
se dispersan mucho del valor centra, en los otros casos donde el lambda es diferente de 5, se
desvían los datos alrededor de la media, teniendo mayor promedio de eventos de 0,3679 en
un determinado tiempo de 1 en el intervalo de x=0-1 .

En el caso donde lambda es 3 con x=2-3 presenta un promedio de eventos estable de 0,224.