ultimate-guide
Distribución Hipergeométrica: Guía Completa 2026
Tabla de Contenidos
- ¿Qué es la distribución hipergeométrica?
- Parámetros y fórmula de la distribución hipergeométrica
- Media y varianza de la distribución hipergeométrica
- Distribución hipergeométrica y binomial: cuándo usar cada una
- Distribución hipergeométrica en Excel: cálculos prácticos
- Ejercicios de distribución hipergeométrica resueltos
- Cuándo usar la distribución hipergeométrica en la práctica
- Preguntas Frecuentes
Última actualización: 16 de octubre de 2026
¿Qué es la distribución hipergeométrica?
La distribución hipergeométrica es una distribución de probabilidad discreta que describe el número de éxitos en una muestra extraída sin reemplazo de una población finita. A diferencia de otras distribuciones que asumen independencia entre ensayos, esta distribución modela situaciones donde cada extracción reduce el tamaño de la población, afectando las probabilidades de los siguientes eventos.
Definición y características clave
En esencia, la distribución hipergeométrica responde preguntas como: si extraes 10 elementos de una caja con 100 bolas (50 rojas y 50 azules), ¿cuál es la probabilidad de obtener exactamente 7 bolas rojas?
Esta distribución tiene tres características fundamentales. Primero, trabaja con poblaciones finitas donde conoces el tamaño total. Segundo, realiza muestreo sin reemplazo, lo que significa que cada selección cambia las proporciones restantes.
Imagina un control de calidad en una fábrica. Si inspeccionas 20 productos de un lote de 500, donde sabes que hay 50 defectuosos, la probabilidad de encontrar exactamente 3 defectuosos en tu muestra depende de cuántos hayas encontrado ya.
Muestreo sin reemplazo y población finita
El muestreo sin reemplazo es lo que distingue la distribución hipergeométrica de distribuciones como la binomial. Cuando extraes un elemento, no lo devuelves, así que la población disminuye y las probabilidades cambian.
Considera una urna con 30 bolas: 18 blancas y 12 negras. Si extraes una bola blanca, quedan 29 bolas (17 blancas, 12 negras). La probabilidad de extraer otra blanca ahora es 17/29, no 18/30. Esta dependencia entre extracciones es lo que hace necesaria la distribución hipergeométrica.
La población finita es igualmente crucial. No puedes usar esta distribución si trabajas con una población infinita o tan grande que el muestreo sin reemplazo es irrelevante.
Parámetros y fórmula de la distribución hipergeométrica
La distribución hipergeométrica tiene cuatro parámetros esenciales: el tamaño de la población (N), el número de éxitos en la población (K), el tamaño de la muestra (n) y el número de éxitos que observas en la muestra (k).
Componentes de la fórmula
La fórmula de la distribución hipergeométrica es:
P(X = k) = [C(K, k) × C(N - K, n - k)] / C(N, n)
Aquí, C representa combinaciones (también escrito como "n elige k"). Desglosemos cada componente:
- N: tamaño total de la población
- K: número de elementos de interés (éxitos) en la población
- n: tamaño de la muestra extraída
- k: número de éxitos observados en la muestra
- C(K, k): formas de elegir k éxitos de K disponibles
- C(N - K, n - k): formas de elegir n - k fracasos de N - K disponibles
- C(N, n): formas totales de elegir n elementos de N
El numerador cuenta las combinaciones favorables: cuántas maneras hay de obtener exactamente k éxitos y n - k fracasos. El denominador cuenta todas las formas posibles de elegir n elementos de N.
Función de probabilidad y función de distribución acumulada
La función de probabilidad (también llamada función de masa de probabilidad) que acabamos de ver te da la probabilidad puntual: la probabilidad de obtener exactamente k éxitos.
La función de distribución acumulada (FDA) suma estas probabilidades puntuales. Si quieres saber la probabilidad de obtener como máximo 5 éxitos, sumas P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) + P(X = 4) + P(X = 5).
El rango de k va desde max(0, n - (N - K)) hasta min(n, K). No puedes tener más éxitos que los disponibles en la población, ni más éxitos que elementos en tu muestra.
Media y varianza de la distribución hipergeométrica
Entender la variabilidad de una distribución hipergeométrica es crítico para interpretar resultados. La media (valor esperado) te dice qué esperas en promedio; la varianza te dice cuánto pueden desviarse los resultados.
Cálculo del valor esperado y dispersión
El valor esperado (media) de la distribución hipergeométrica es:
E(X) = n × (K / N)
Esta fórmula es intuitiva: si la proporción de éxitos en la población es K/N, esperas encontrar esa misma proporción en tu muestra de tamaño n.
Ejemplo: si tienes 1000 artículos (200 defectuosos) y extraes una muestra de 50, la media es 50 × (200/1000) = 10. Esperas encontrar 10 defectuosos en promedio.
La varianza es más compleja:
Var(X) = n × (K/N) × (1 - K/N) × [(N - n) / (N - 1)]
El término (N - n) / (N - 1) es el factor de corrección por población finita. Compara esto con la varianza binomial: n × p × (1 - p).
La desviación estándar es la raíz cuadrada de la varianza. En control de calidad, esto te ayuda a establecer intervalos de confianza: ¿en qué rango caerá probablemente el número de defectuosos?
Distribución hipergeométrica y binomial: cuándo usar cada una
Aquí es donde muchos estudiantes se pierden. Ambas distribuciones modelan el número de éxitos, pero en contextos diferentes. Elegir la equivocada te da respuestas incorrectas.
Diferencias clave y criterios de aproximación
Usa distribución hipergeométrica cuando: tienes muestreo sin reemplazo, la población es finita y conocida, el tamaño de la muestra es significativo en relación con la población, y las probabilidades cambian entre extracciones.
El criterio práctico: si N (población) es más de 20 veces mayor que n (muestra), la distribución hipergeométrica se aproxima tanto a la binomial que puedes usar la segunda.
Ejemplo de cuándo importa: si auditas 5 facturas de 100 (5% de la población), la diferencia entre hipergeométrica y binomial es pequeña. Si auditas 50 facturas de 100 (50%), la diferencia es grande y debes usar hipergeométrica.
Distribución hipergeométrica en Excel: cálculos prácticos
Excel no tiene una función directa para la distribución hipergeométrica, pero puedes construir la fórmula usando funciones de combinación.
Funciones disponibles y paso a paso
En Excel, usarás COMBIN(n, k) para calcular combinaciones. La función devuelve el número de combinaciones de n elementos tomados de k en k.
Para calcular P(X = k) en la distribución hipergeométrica:
- En una celda, escribe:
=COMBIN(K, k) * COMBIN(N-K, n-k) / COMBIN(N, n) - Reemplaza K, k, N, y n con tus valores o referencias a celdas
- Presiona Enter
Ejemplo concreto: tienes 100 productos (20 defectuosos), extraes 10, quieres P(X = 2):
=COMBIN(20, 2) * COMBIN(80, 8) / COMBIN(100, 10)
Aprende Matemáticas desde Cero - Estadística →
Para la función de distribución acumulada (probabilidad acumulada hasta k), suma las probabilidades puntuales:
=SUMA(COMBIN(K, 0) * COMBIN(N-K, n) / COMBIN(N, n) : COMBIN(K, k) * COMBIN(N-K, n-k) / COMBIN(N, n))
Alternativamente, algunos programas como R o Python ofrecen funciones integradas. En R: phypergeom(k, K, N-K, n). En Python con scipy: hypergeom.pmf(k, N, K, n).
Ejercicios de distribución hipergeométrica resueltos
Resolver ejercicios paso a paso es la mejor forma de dominar esta distribución. Aquí te muestro dos casos reales con interpretación completa.
Ejemplo 1: Muestreo sin reemplazo en control de calidad
Problema: Una fábrica produce 500 chips electrónicos. El control de calidad detecta que 50 son defectuosos. Un auditor selecciona aleatoriamente 20 chips sin reemplazo. ¿Cuál es la probabilidad de encontrar exactamente 3 defectuosos?
Parámetros:
- N = 500 (población total)
- K = 50 (defectuosos en la población)
- n = 20 (tamaño de la muestra)
- k = 3 (defectuosos que queremos encontrar)
Cálculo: P(X = 3) = [C(50, 3) × C(450, 17)] / C(500, 20)
C(50, 3) = 19,600 C(450, 17) ≈ 1.22 × 10^23 C(500, 20) ≈ 2.19 × 10^25
P(X = 3) ≈ 0.2052 o 20.52%
Interpretación: Hay aproximadamente un 20.5% de probabilidad de encontrar exactamente 3 chips defectuosos en una muestra de 20. Esto es razonable: esperabas n × (K/N) = 20 × (50/500) = 2 defectuosos, así que 3 está cerca de la media.
Ejemplo 2: Selección de elementos en población finita
Problema: Un restaurante tiene 30 clientes en su base de datos de fidelización: 12 son vegetarianos. El gerente selecciona 5 clientes al azar para una encuesta de satisfacción. ¿Cuál es la probabilidad de seleccionar exactamente 2 vegetarianos?
Parámetros:
- N = 30 (clientes totales)
- K = 12 (vegetarianos)
- n = 5 (clientes en la encuesta)
- k = 2 (vegetarianos que queremos)
Cálculo: P(X = 2) = [C(12, 2) × C(18, 3)] / C(30, 5)
C(12, 2) = 66 C(18, 3) = 816 C(30, 5) = 142,506
P(X = 2) = (66 × 816) / 142,506 ≈ 0.3774 o 37.74%
Interpretación: Hay un 37.7% de probabilidad de que exactamente 2 de los 5 clientes seleccionados sean vegetarianos. La proporción de vegetarianos en la población es 12/30 = 40%, así que esperar 2 de 5 (40%) tiene sentido estadístico.
Cuándo usar la distribución hipergeométrica en la práctica
La distribución hipergeométrica no es solo un ejercicio académico. Aparece constantemente en decisiones reales de negocios, calidad y auditoría.
Casos de uso más comunes y errores frecuentes
Control de calidad: Inspeccionar un lote de productos sin reemplazo es el caso más clásico.
Auditoría y muestreo: Los auditores usan muestreo sin reemplazo para verificar facturas, transacciones o registros.
Errores frecuentes:
El error más común es confundir hipergeométrica con binomial. Muchos usan binomial cuando el contexto requiere hipergeométrica.
Otro error es ignorar el tamaño finito de la población.
Un tercer error es asumir que el muestreo es aleatorio cuando en realidad hay sesgos.
Finalmente, algunos olvidan que esta distribución solo funciona si conoces K (el número de éxitos en la población).
Aprender distribución hipergeométrica abre puertas a decisiones más precisas en control de calidad, auditoría y análisis de riesgos.
En Frogames, nuestro curso Aprende Matemáticas desde Cero - Probabilidad cubre distribuciones de probabilidad desde lo básico. Si buscas profundidad en estadística aplicada con herramientas reales, el curso Probabilidad para Machine Learning y Big Data con R y Python te enseña a implementar estas distribuciones en código.
Preguntas Frecuentes
¿Qué es la distribución hipergeométrica y cuándo se utiliza?
La distribución hipergeométrica es una distribución de probabilidad discreta que modela el número de éxitos en una muestra extraída sin reemplazo de una población finita. Se utiliza cuando necesitas calcular la probabilidad de obtener un cierto número de elementos de interés al seleccionar una muestra de una población pequeña donde cada extracción reduce el total disponible. Es común en control de calidad, auditorías y muestreo estadístico.
¿Cuál es la diferencia entre la distribución hipergeométrica y la binomial?
La diferencia principal radica en el muestreo: la distribución hipergeométrica se aplica cuando extraes sin reemplazo de una población finita (la probabilidad cambia en cada ensayo), mientras que la binomial asume muestreo con reemplazo o población infinita (la probabilidad permanece constante). Cuando la población es muy grande comparada con el tamaño de la muestra, la distribución hipergeométrica se aproxima a la binomial.
¿Cómo se calcula la media y varianza de la distribución hipergeométrica?
La media se calcula como E(X) = n × K/N, donde n es el tamaño de la muestra, K es el número de éxitos en la población y N es el tamaño total de la población. La varianza es Var(X) = n × (K/N) × (1 - K/N) × (N-n)/(N-1). El factor (N-n)/(N-1) es el corrector por población finita que distingue esta distribución de la binomial.
¿Cómo resuelvo un ejercicio de distribución hipergeométrica paso a paso?
Primero, identifica los parámetros: N (población total), K (número de éxitos en la población), n (tamaño de la muestra) y x (número de éxitos que buscas). Luego, aplica la fórmula P(X=x) = [C(K,x) × C(N-K,n-x)] / C(N,n), donde C representa combinaciones. Calcula cada combinación y divide para obtener la probabilidad.
¿Cómo calculo la distribución hipergeométrica en Excel?
Puedes calcular la distribución hipergeométrica en Excel usando la función COMBIN(n, k) para las combinaciones. Para la probabilidad puntual P(X = k), la fórmula es: =COMBIN(K, k) * COMBIN(N-K, n-k) / COMBIN(N, n).
¿Qué supuestos debe cumplir una situación para usar distribución hipergeométrica?
Debes tener una población finita bien definida, un número fijo de elementos de interés (éxitos) en esa población, una muestra extraída sin reemplazo, y cada elemento debe tener la misma probabilidad de ser seleccionado. Además, el tamaño de la muestra debe ser menor que el tamaño de la población. Si alguno de estos supuestos no se cumple, probablemente necesites otra distribución.
¿Cuándo puedo aproximar la distribución hipergeométrica con la binomial?
Puedes aproximar cuando la población es muy grande comparada con la muestra, generalmente cuando N es al menos 10 veces mayor que n. En estas condiciones, la diferencia entre muestreo con y sin reemplazo es despreciable, y los cálculos binomiales dan resultados prácticamente idénticos. Esta aproximación simplifica mucho los cálculos cuando trabajas con poblaciones grandes.
