超几何分布的数学期望和方差怎么算
更新日期：2026-09-15 19:27:10
| 标题 | 超几何分布的数学期望和方差怎么算 | |||||||||
| 内容 | 在概率论与数理统计中，超几何分布是一种描述有限总体中有放回抽样时成功事件出现次数的概率分布。它常用于不放回抽样的情况，例如从一批产品中抽取样本进行检验、从一副牌中抽取若干张等。 超几何分布的基本模型是：在一个包含 $ N $ 个元素的总体中，有 $ K $ 个“成功”元素，其余为“失败”元素。从中随机抽取 $ n $ 个元素（不放回），则其中恰好有 $ k $ 个“成功”元素的概率服从超几何分布。 一、超几何分布的定义 设随机变量 $ X $ 表示在 $ n $ 次不放回抽样中，获得的“成功”元素数目，则 $ X $ 的概率质量函数为： $$ P(X = k) = \frac{\binom{K}{k} \binom{N - K}{n - k}}{\binom{N}{n}} $$ 其中： - $ N $：总体数量 - $ K $：总体中的成功数量 - $ n $：抽取样本的数量 - $ k $：抽取样本中成功的数量 二、数学期望和方差的计算公式 以下是超几何分布的数学期望和方差的计算方法，以总结形式呈现：
三、公式推导简要说明 1. 数学期望： 超几何分布的期望可以理解为每次抽样中“成功”的概率乘以抽样次数。由于每次抽样后不放回，所以期望值接近于二项分布的期望，但稍作调整。 2. 方差： 超几何分布的方差比二项分布更小，因为不放回抽样导致样本之间存在相关性。其方差公式中加入了修正因子 $ \frac{N - n}{N - 1} $，称为“有限总体校正因子”。 四、实例说明 假设一个盒子里有 10 个球，其中 4 个是红球（成功），6 个是蓝球（失败）。从中不放回地抽取 3 个球，求红球数量的期望和方差。 - $ N = 10 $, $ K = 4 $, $ n = 3 $ - 期望： $ E(X) = 3 \times \frac{4}{10} = 1.2 $ - 方差： $ \text{Var}(X) = 3 \times \frac{4}{10} \times \left(1 - \frac{4}{10}\right) \times \frac{10 - 3}{10 - 1} = 3 \times 0.4 \times 0.6 \times \frac{7}{9} \approx 0.56 $ 五、总结 超几何分布的数学期望和方差计算相对直接，但需注意其与二项分布的区别在于是否放回。在实际应用中，特别是在样本数量较大时，超几何分布的方差会显著小于二项分布的方差，因此在进行统计分析时应加以区分。 通过上述表格和公式，我们可以清晰地掌握超几何分布的数学期望和方差的计算方式，为后续的概率建模和数据分析提供理论支持。 | |||||||||
| 随便看 |
|