"Año de la lucha contra la Corrupción e Impunidad"

UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL

CUSCO
FACULTAD DE EDUCACIÓN Y CIENCIAS DE LA COMUNICACIÓN
ESCUELA PROFESIONAL DE EDUCACIÓN

Distribución de Probabilidad Hipergeométrica

CURSO : ESTADISTICA GENERAL

DOCENTE : Mgt. CARDENAS CANCHA Dionicio

PRESENTADO POR

 Andrea Whinny Achahui Huamán Cod: 160271

 Shany Huayapa.Limpe Cod: 150776
 Edison Beltran Quispe Pumahuanca Cod: 140727
 Carlos Miguel Umasi Álvarez Cod: 161910
 Noemí Fuentes Choque Cód: 164710

CUSCO- PERÚ
2019
 INDICE

PRESENTACION ........................................................................................................................ 1

INTRODUCCION ........................................................................................................................ 2

I. OBJETIVOS: ....................................................................................................................... 3

II. IMPORTANCIA DEL TEMA EN NUESTRA FORMACIÓN PROFESIONAL ................ 3

III. DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA .................................... 5

3.1. Valor esperado, Media o esperanza matemática ................................................. 8

3.2. Varianza ....................................................................................................................... 9

IV. EJERCICIOS DE APLICACIÓN .................................................................................. 10

4.1. Problema 1 ................................................................................................................ 10

4.2. Problema 2 ................................................................................................................ 11

4.3. Problema 3 ................................................................................................................ 12

4.4. Problema 4 ................................................................................................................ 12

4.5. Problema 5 ................................................................................................................ 13

V. CONCLUSIONES .............................................................................................................. 14

VI. BIBLIOGRAFIA ............................................................................................................. 14

 PRESENTACION

El presente trabajo se centra en el estudio de la distribución de Probabilidad

Hipergeometrica. En este sentido, es relevante destacar dos cuestiones. Por un
lado, la importancia de la distribución de probabilidad hipergeometrica en la
formación profesional y las propiedades de la su varianza momentos, media y
ejercicios de aplicación. Por ello, el presente trabajo pretende contribuir en el
conocimiento de la distribución de Probabilidad Hipergeometrica. La distribución
hipergeométrica viene a cubrir esta necesidad de modernizar procesos de Bernouilli
con probabilidades no constantes (sin reemplazamiento).

La distribución hipergeométrica es especialmente útil en todos aquellos casos en

los que se extraigan muestras o se realizan experiencias repetidas sin devolución
del elemento extraído o sin retornar a la situación experimental inicial.

Modeliza, de hecho, situaciones en las que se repite un número determinado de

veces una prueba dicotómica de manera que con cada sucesivo resultado se ve
alterada la probabilidad de obtener en la siguiente prueba uno u otro resultado. Es
una distribución. fundamental en el estudio de muestras pequeñas de poblaciones.
pequeñas y en el cálculo 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 situación de partida.

1
 INTRODUCCION

El interés por este tema surge de la experiencia propia como estudiante y docente,
de cursos de Probabilidad en los que no se logra el aprendizaje. Son muchos los
factores que intervienen en esta problemática, pero uno muy importante es la
motivación del estudiante, los estudiantes no están motivados ya que les
presentamos Probabilidad con datos inventados, con procedimientos que usan
fórmulas matemáticas complejas, sin contexto, sin aplicación real a las áreas de
interés de ellos. En este trabajo pretendemos identificar las aplicaciones que tiene
la Distribución de Probabilidad Hipergeometrica en educación la importancia la
formula y, propiedades y ejercicios, específicamente en las carrera profesional de
Educación, evidenciando qué temas de probabilidad aplica un Educador y en
específico la distribución hipergeometrica en el mundo laboral, para resaltar la
importancia que tiene la distribución hipergeometrica para un Educador y contribuir
con esto a resolver parte de esta problemática. Batanero (2013) comenta que la
enseñanza de la distribución hipergeometrica ha tenido un gran desarrollo en los
años recientes, ahora se reconoce la importancia que tiene en la formación general
del ciudadano. La probabilidad hipergeometrica aporta a los estudiantes
herramientas e ideas para usar la información cuantitativa en el mundo a su
alrededor (Garfield y Ben-Zvi, 2007). Rumsey (2011) comenta que en la sociedad
actual aparecen números por todas partes, estadísticas de aborto, probabilidades
de que un equipo gane, índices de criminalidad, la esperanza de vida de una
persona que come chatarra, aprobación de un presidente, etc. Es necesario saber
que hay detrás de los números, la probabilidad hipergeometrica es importante en la
vida de cualquier ciudadano.

2
I. OBJETIVOS:
Objetivo general:
 Investigar, Analizar y Aprender y sobre la Distribución de probabilidad
hipergeométrica.

Objetivos Específicos:
 Investigar sobre la Distribución de probabilidad Hipergeométrica.
 Analizar sobre la Distribución de probabilidad Hipergeométrica.
 Aprender sobre la Distribución de probabilidad Hipergeométrica.
 Demostrar la fórmula de la Esperanza matemática de la Distribución de
la probabilidad hipergeométrica.
 Demostrar la fórmula de la Varianza de la Distribución de probabilidad
hipergeométrica.

II. IMPORTANCIA DEL TEMA EN NUESTRA FORMACIÓN PROFESIONAL

La asignatura denominada "Estadística general" supone para el alumno una materia

fundamental en su formación como profesional en el ámbito de la Pedagogía. Esta
disciplina se adscribe, junto con otras materias del Plan de Estudios, al Área de
Métodos de Investigación y Diagnóstico en Educación. De acuerdo con su
contenido, las materias de este Área suponen para el alumno estudiar métodos y
técnicas para realizar validaciones o desechar teorías de investigación pedagógica
desde múltiples puntos de vista. Entre tales técnicas, las que corresponden al
análisis de los datos recogidos a partir de la realidad educativa ocupan un papel
destacado, por lo que la competencia en el manejo de técnicas de análisis de datos
resulta inexcusable e importante para el estudiante de Pedagogía.(“Guia
Aprendizaje,” n.d.)

En el ámbito docente la estadística permite también evaluar y reformular las

prácticas. Por ejemplo: mediante la estadística podemos verificar el grado de
cumplimiento de las expectativas de logro u objetivos de un curso o proyecto. Luego
de corregir los exámenes de los alumnos tabulamos los resultados y de esta manera

3
podemos construir un gráfico que nos ejemplifique y muestre a las claras el
porcentaje total de alumnos que lo lograron y los que no pudieron hacerlo.

Existen varios modelos estadísticos que representan diversos fenómenos discretos

de la vida real.(Flores E., 2017)

Las más útiles son:

1. La distribución uniforme discreta

2. La distribución de probabilidad de Bernoulli
3. La distribución de probabilidad de Poisson
4. La distribución de probabilidad Hipergeométrica

Entonces es importante para determinar los reemplazos en la búsqueda de

muestras de estudios que permiten precisar que la investigación que desarrolla se
aproxima al dato correcto, y eliminar las posibles distorsiones, con ello preciso el
valor del conocimiento a hallar, y posibilita en mi profesión de dar opinión basada
en la verdad del dato correcto hallado y no en la posibilidad subjetiva de que podría
ser cierta.(Flores E., 2017)

La distribución hipergeométrica es especialmente útil en todos aquellos casos en

los que se extraigan muestras o se realicen experiencias repetidas sin devolución
del elemento extraído o sin retornar a la situación experimental inicial.
Es una distribución fundamental en el estudio de muestras pequeñas de
poblaciones pequeñas y en el cálculo de probabilidades de juegos de azar. Tiene
grandes aplicaciones en el control de calidad para procesos experimentales en los
que no es posible retornar a la situación de partida.(“Modelo Estadística,” n.d.)

La distribución hipergeométrica encuentra aplicaciones en los controles de calidad

educativa colectiva. Por ejemplo, un cargamento de libros de aplicación educativa
de N ejemplares buenos y de K ejemplares defectuosos. El ejemplar bueno hace el
papel de una bola blanca, y el defectuoso, de una bola negra. Para el control de
calidad, escogemos un cargamento de n ejemplares al azar, y el ejemplar escogido
no se echa al cargamento antes de la próxima escogencia. Si B y M fuesen
conocidos, entonces se podría aplicar la fórmula de la probabilidad hipergeometrica

4
para calcular la probabilidad de que entre los n ejemplares escogidos haya k en mal
estado. Sin embargo, en la práctica, B y M no son conocidos, y la investigación de
la calidad de un determinado número de ejemplares sirve precisamente para la
estimación de estos números desconocidos. (Llinás, Solano, 2017)

Otra aplicación de interés se da en Psicología Educativa, esta distribución de

probabilidad posee gran utilidad en los sondeos de opinión pública, con lo que
podemos realizar una encuesta para intentar conocer si los individuos de una
población tienen o no intención de tomar un libro y practicar lectura de tal manera
que el número de individuos, de una muestra sin reemplazamiento, que tienen
intención de practicar lectura sigue una distribución hipergeométrica.(Franquet i
Bernis, 2008)

En la práctica, la aproximación de una distribución hipergeométrica a una

distribución binomial no requiere que la población N sea excesivamente grande. Así
pues, consideramos que existe una buena aproximación cuando N>50 y n≤0’1•N,
aunque otros autores consideran, para esta aproximación, valores
diferentes.(Franquet i Bernis, 2008)

III. DISTRIBUCIÓN DE PROBABILIDAD HIPERGEOMÉTRICA

La distribución hipergeométrica es una distribución discreta que modela el número

de eventos en una muestra de tamaño fijo cuando se conoce el número total de
elementos en la población de la cual proviene la muestra. Cada elemento de la
muestra tiene dos resultados posibles (es un evento o un no evento). Las muestras
no tienen reemplazo, por lo que cada elemento de la muestra es diferente. Cuando
se elige un elemento de la población, no se puede volver a elegir. Por lo tanto, la
probabilidad de que un elemento sea seleccionado aumenta con cada ensayo,
presuponiendo que aún no haya sido seleccionado.(MINITAB, 2018)

La distribución hipergeométrica se utiliza para muestras obtenidas de poblaciones

relativamente pequeñas, sin reemplazo. Por ejemplo, la distribución
hipergeométrica se utiliza en la prueba exacta de Fisher para probar la diferencia

5
entre dos proporciones y en muestreos de aceptación por atributos cuando se toman
muestras de un lote aislado de tamaño finito.(MINITAB, 2018)

Consideremos una urna que contiene 𝑁 bolillas de las cuales K son negras y 𝑁 − 𝐾
blancas. Se extraen secuencialmente (una a una) 𝑛 bolillas y se define la variable 𝑋
como el número total de bolillas negras extraídas. Si cada bolilla obtenida es
repuesta en la urna antes de obtener la siguiente, el resultado de cada extracción
es independiente de las anteriores, ya que esos resultados no modifican la
composición de la urna. Luego en este caso 𝑋 tendrá distribución 𝐵𝑖(𝑝, 𝑛), con 𝑝 =
𝐾/𝑁, ya que este número es la probabilidad de sacar cada vez una bolilla
negra.(Yohai, 2008)

Si después de cada extracción la bolilla obtenida no se repone, no hay

independencia en los resultados de las extracciones y la distribución de 𝑋 se
denomina hipergeométrica. Donde los parámetros esta denotado por: 𝐻 (𝑁, 𝑛, 𝑝)

Estudiemos el rango de esta distribución. Por un lado, podemos observar que 𝑋 no

puede ser un número negativo, ni tampoco mayor que 𝑛, la cantidad total de bolillas
extraídas. Por lo tanto:

0 ≤ 𝑋 ≤ 𝑛.............(1)

Por otro lado, claramente a lo sumo se pueden extraer 𝐾 Negras, y luego

𝑋 ≤ 𝐾……….(2)

Además, el número de total de bolillas blancas extraídas debe ser menor que 𝑁 −
𝐾. Por lo tanto, también tenemos

𝑛 − 𝑋 ≤ 𝑁 − 𝐾 … … … … … … … (3)

En definitiva, de (1), (2), (3) obtenemos

𝑅(𝑥 ) = {𝑥 ∈ 𝑁: max(𝑜, 𝑛 − 𝑁 + 𝐾 ) ≤ 𝑥 ≤ min(𝑛, 𝐾)}

Podemos pensar que las 𝐾 bolillas negras están numeradas de 1 𝑎 𝐾, 𝑦 las blancas
de 𝐾 + 1 𝑎 𝑁 luego si denotamos

6
 𝐼𝑁 = {𝑥 ∈ 𝑁 ∶ 1 ≤ 𝑥 ≤ 𝑁}

El resultado de extraer 𝑛 será un subconjunto de 𝐼𝑁 con cardinal 𝑛.

Luego, podemos tomar como espacio maestral

𝛺 = {𝐴 ⊂ 𝐼𝑁 : #𝐴 = 𝑛}.

Como todos estos sub conjuntos tienen la misma probabilidad de ser extraidos,
estaremos en un caso de resultados equiprobables. El cardinal de Ω es:

𝑁
( )
𝑛

El evento { 𝑋 = 𝑥} corresponderá a aquellos subconjuntos 𝐴 que contienen 𝑥 bolillas

negras y 𝑛 − 𝑥 blancas. Para obtener el cardinal de {𝑋 = 𝑥} procedamos de la
siguiente manera. Primero consideramos el número de subconjuntos de 𝑥 bolas
negras elegidas entre las 𝐾 posibles. Este número es

𝐾
( )
𝑥

Para cada uno de estos subconjuntos de 𝑥 bolas negras hay

𝑁−𝐾
( )
𝑛−𝑥

Formas de elegir las restantes 𝑛 − 𝑥 blancas. Luego

𝐾 𝑁−𝐾
#{𝑋 = 𝑥} = ( ) ( )
𝑥 𝑛−𝑥

Y por lo tanto

7
 𝐾! (𝑁 − 𝐾)!
𝑛! (𝐾 − 𝑥)! . [(𝑁 − 𝐾 ) − (𝑛 − 𝑥 )]!
𝑝 (𝑥 ) = 𝑃 [ 𝑋 = 𝑥 ] = .
𝑥! (𝑛 − 𝑥)! 𝑁!
(𝑁 − 𝑛)!

#𝐴𝑥 (𝐾)(𝑁−𝐾)
𝑝 (𝑥 ) = 𝑃 [ 𝑋 = 𝑥 ] = = 𝑥 𝑁𝑛−𝑥
#𝛺 (𝑛)

Sea 𝑥 una variable aleatoria, tiene distribución binomial con parámetros N, n y p Si

su función de probabilidad está dada por:

[𝑥]
(𝐾𝑥 )(𝑁−𝐾
𝑛−𝑥
) 0, x˂ 0
𝐹 (𝑥 ) = 𝑃 [ 𝑋 ≤ 𝑥 ] = ∑ , 0≤ x ˂ min (K,n)
(𝑁𝑛 ) X ≤ min ( K,n)
𝑐𝑡𝑒=0

3.1. Valor esperado, Media o esperanza matemática

𝐾
𝜇 = 𝐸 [𝑋] = 𝑛 ( ) = 𝑛𝑝
𝑁
Donde:
N: Tamaño de la población
K: # de elementos de la muestra con ciertas características
n: tamaño de la muestra
x: valor que toma la variable

Demostración:
𝐾
Para demostrar que 𝜇 = 𝑛 (𝑁 ), observamos que la variables hipergeometrica

𝑋 también puede ser considerada como una suma, al igual que la variable
binomial, de n variables 𝑋𝐼 , excepto que en el modelo hipergeometrico

8
 𝑋𝐼 , 𝑋2 , 𝑋3 , … … . , 𝑋𝑛 son dependientes. Pero como la propiedad aditiva de la
esperanza matemática no requiere de las independencia de las 𝑋𝐼 .,
𝐸 [𝑋] = 𝐸(𝑋𝐼 ) + 𝐸(𝑋2 ) + 𝐸(𝑋3 )+. . . . +𝐸(𝑋𝑛 ), donde cada 𝐸(𝑋𝐼 ) es la
𝐾
probabilidad de 𝑋 en el i-esimo ensayo (𝑁 ), si no se sabe lo sucedido en los

ensayos anteriores o posteriores.

𝐾
Así: 𝐸 [𝑋] = 𝑛 (𝑁 ) = 𝑛𝑝

3.2. Varianza
𝐾 𝐾 𝑁−𝑛
𝛿 2 = 𝑉 [𝑋] = 𝑛 ( ) (1 − ) ( )
𝑁 𝑁 𝑁−1

Reemplazando p y q
𝑁−𝑛
= 𝑛𝑝𝑞 ( )
𝑁−1
Donde:
N: Tamaño de la población
K: # de elementos de la muestra con ciertas características
n: tamaño de la muestra
x: valor que toma la variable

Demostración:
La varianza no es aditiva para variables dependientes, pero puede
demostrarse en el caso hipergeometrico introduciendo un factor de corrección
𝑁−𝑛+
(𝐹𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑐𝑜𝑟𝑟𝑒𝑐𝑖𝑜𝑛 𝑝𝑜𝑟 𝑝𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛 𝑓𝑖𝑛𝑖𝑡𝑎) cuando el muestreo se hace
𝑁−1

sin reemplazo a la varianza binomial (con reemplazo)

𝐾
𝜎 2 = 𝑛𝑝𝑞 = 𝑛 ( )
𝑁

Por lo tanto

9
 𝑘 𝑁−𝑘 𝑁−𝑛
𝜎2 = 𝑛 ( ) ( )( )
𝑁 𝑁 𝑁−1

𝑛
Cuando ≤ 0.05, 𝑙𝑎 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛 ℎ𝑖𝑝𝑒𝑟𝑔𝑒𝑜𝑚𝑒𝑡𝑟𝑖𝑐𝑎 𝑠𝑒 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎 𝑎 𝑙𝑎 𝑏𝑖𝑛𝑜𝑚𝑖𝑎𝑙
𝑁

(Tovar, 2009)

IV. EJERCICIOS DE APLICACIÓN

4.1. Problema 1

Un fabricante asegura que sólo el 1% de su producción total se encuentra

defectuosa. Supóngase que se ordenan 1000 artículos y se seleccionan 25
al azar para inspeccionarlos. Si el fabricante se encuentra en lo correcto,
¿cuál es la probabilidad de observar dos o más artículos defectuosos en la
muestra?(Tovar, 2009)

Solución:
Tenemos una población de tamaño N=1000
X: "número de artículos defectuosos en la muestra".
P(éxito)=0,0 l
Tamaño de la muestra n=25
Si inspeccionamos uno de los 25, ese no lo volvemos a inspeccionar, luego no hay
reemplazamiento, la p de las distintas pruebas no se mantiene constante. Se trata
de una distribución hipergeométrica.

P(x ≥ 2) = 1 − P (x < 2) = 1 − [P (x = 0) + P (x = 1)

(10000 0,01)(1000250,99)
P(x = 0) = = 0,7754
(1000
25
)
P(x ≥ 2) = 0,0239
(10
1
)(990
24
)
P(x = 1) = 1000 = 0,2007
( 25 )

10
 𝑛 25
Puesto que 𝑁 = 1000 = 0,025 < 0,05

Podemos aproximar por una binomial

P(x ≥ 2) = 1 − [P (x = 0) + P (x = 1)]

25 25
P(x ≥ 2) = 1 − ( ) 0,010 0,9925 − ( ) 0,010 0,9924
0 1

P(x ≥ 2) = 1 − 0,7778 − 0,1964 = 0,0258

4.2. Problema 2

De 50 edificios en un parque industrial 12 no cumplen el código eléctrico. Si

se selecciona 10 edificios aleatoriamente, determine la probabilidad de que:
3 no cumplan el código(Tovar, 2009)

Solución:
Tenemos una población de tamaño N= 50
x: “Numero de edificios que no cumplan el código” x = 3
Tamaño de la muestra n = 10
k: “Número total de edificios que no cumplen el código eléctrico k= 12

Por lo tanto:

#𝐴𝑥 (𝐾𝑥)(𝑁−𝐾
𝑛−𝑥
)
𝑝 (𝑥 ) = 𝑃 [ 𝑋 = 𝑥 ] = = 𝑁
#𝛺 (𝑛)

12! 38!
(12
3
)(50−12
10−3
) ×
3! 9! 7! 31!
P(x=3) = = = 0,2703 =27,03%
(50
10
) 50!
10! 40!

P(x=3) = 0,2703

11
 4.3. Problema 3

En una clase en la que hay 20 estudiantes, 15 están insatisfechos con el texto

que se utiliza. Si se le pregunta acerca del texto a cuatro estudiantes tomados
al azar, determine la probabilidad de que:(Tovar, 2009)
a) exactamente tres estén insatisfechos con el texto.
b) cuando menos tres estén insatisfechos.

Solución:
Hay dos sucesos mutuamente excluyentes:
P(estar satisfechos) = 5/20 = 1/4
P(no estar satisfecho) = 15/20 = 3/4
Las pruebas son sin reemplazamiento, no tiene sentido volver a preguntar al
mismo estudiante que se le preguntó antes.
X: "número de alumnos que están insatisfechos con el texto".
3
Es una H (20; 4, 4)


(𝑁𝑝 𝑁𝑞
𝑥 )(𝑛−𝑥)
a) 𝑃(𝑋 = 3) =
(𝑁
𝑛)

(15
3
)(51)
𝑃 (𝑋 = 3) = = 0,469
(20
4
)

b) 𝑃(𝑋 ≥ 3) = 𝑃 (𝑥 = 3) + 𝑃 (𝑥 = 4) = 0,75

4.4. Problema 4

5 fabricantes producen un determinado dispositivo, cuya calidad varia de un

fabricante a otro. Si usted elige 3 fabricantes al azar, hallar la probabilidad
que la selección contenga 2 de las 3 mejores.(Tovar, 2009)
Solución
“Tenemos una población de tamaño” N = 5
X: “numero de dispositivos seleccionado” x = 2

12
 K: “numero de fábricas elegidas al azar k = 3

Por lo tanto:
(𝑘 𝑁− 𝑘
𝑥)( 𝑛−𝑥 )
P(X=x) =
(𝑁
𝑛)

(32)(53−2
−3
) (32)(21) 3𝐶2 × 2𝐶1
P(x=2) = = = = 0,60
(53) (53) 5𝐶3

P (x=2) = 0,60

4.5. Problema 5

Considérese un fabricante de ordenadores que compra los

microprocesadores a una compañía donde se fabrican bajo estrictas
especificaciones. El fabricante recibe un lote de 40 microprocesadores. Su
plan para aceptar el lote consiste en seleccionar 8, de manera aleatoria y
someterlos a prueba. Si encuentra que ninguno de los microprocesadores
presenta serios defectos, el fabricante acepta el lote; de otra forma lo
rechaza. Suponiendo que el lote contenga dos microprocesadores con serios
defectos, ¿cuál es la probabilidad de que sea aceptado?(Tovar, 2009)

Solución:

X: "número de microprocesadores defectuosos en la muestra".

20 1 19
𝑋 = 𝐻 (40; 8, ) 𝑝= 𝑞=
40 20 20

(20)(38
8
)
𝑃 (𝑋 = 0) = = 0,6359
(40
8
)
Si la persona que vende sabe que le controlarán el producto, procurará que la
empresa efectúe un control de calidad antes de iniciar las ventas. Aumentará la
calidad del producto.

13
V. CONCLUSIONES

 Se logró Investigar, Analizar y Aprender y sobre la Distribución de

probabilidad Hipergeométrica
 Se logró demostrar la fórmula de la Esperanza matemática de la
Distribución de la probabilidad Hipergeometrica.
 Se logró demostrar la fórmula de la Varianza de la Distribución de
probabilidad Hipergeometrica.

VI. BIBLIOGRAFIA

1. Flores E. (2017). Ensayo la estadistica y su aplicacion en docencia.

Retrieved April 30, 2019, from
https://es.slideshare.net/karinaflores2014/ensayo-la-estadistica-y-su-
aplicacion-en-docencia
2. Franquet i Bernis. (2008). La Distribución Hipergeométrica. Retrieved April
29, 2019, from http://www.eumed.net/libros-gratis/2008b/405/La distribucion
hipergeometrica.htm
3. Guia Aprendizaje. (n.d.). Retrieved April 30, 2019, from
https://es.scribd.com/document/216115663/Guia-Aprendizaje
4. MINITAB. (2018). Distribución hipergeométrica. Retrieved from
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-
topics/distributions/hypergeometric-distribution/
5. Modelo Estadística. (n.d.). Retrieved April 29, 2019, from
https://proyectodescartes.org/iCartesiLibri/materiales_didacticos/Estadistica
ProbabilidadInferencia/VAdiscreta/4_1DistribucionHipergeometrica/index.ht
ml
6. Tovar, T. (2009). Tercera unidad, (2002), 2002–2002. Retrieved from
http://biplot.usal.es/problemas/libro/3 Distribuciones.pdf
7. Solano, H., & Álvarez, C. (2017). Bibliografía & Referencias. In Estadística

14
 descriptiva y distribuciones de probabilidad (pp. 403-404). Barranquilla
(Colombia): Editorial Universidad del Norte. Retrieved from
http://www.jstor.org/stable/j.ctvvn8mf.12
8. Yohai, V. J. (2008). Notas de Probabilidades y Estadística, 267.

15