【超几何分布公式】在概率论与统计学中，超几何分布是一种离散型概率分布，用于描述在不放回抽样中成功事件发生的次数。它适用于有限总体中进行无放回抽样的情况，常用于质量检测、抽奖、样本调查等实际问题中。
一、超几何分布的基本概念
超几何分布的随机变量 $ X $ 表示在从一个有限总体中抽取样本时，某一类元素（如“成功”）出现的次数。其概率分布由以下参数决定：
- N：总体数量
- K：总体中具有某种特征的元素数量（称为“成功数”）
- n：抽取的样本数量
- k：样本中具有该特征的元素数量
超几何分布的概率质量函数为：
$$
P(X = k) = \frac{\binom{K}{k} \binom{N - K}{n - k}}{\binom{N}{n}}
$$
其中，$ \binom{a}{b} $ 表示组合数，即从 $ a $ 个元素中选取 $ b $ 个的组合方式数目。
二、超几何分布的性质
| 特性 | 描述 |
| 定义域 | $ k = \max(0, n - (N - K)) $ 到 $ \min(n, K) $ |
| 期望值 | $ E(X) = n \cdot \frac{K}{N} $ |
| 方差 | $ \text{Var}(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1} $ |
| 适用条件 | 无放回抽样、总体有限 |
三、超几何分布与二项分布的区别
| 特征 | 超几何分布 | 二项分布 |
| 抽样方式 | 无放回 | 有放回 |
| 总体大小 | 有限 | 无限或可视为无限 |
| 概率变化 | 随每次抽样而变化 | 每次抽样概率相同 |
| 应用场景 | 样本数量少、总体小 | 样本数量大、总体大 |
四、典型应用场景
1. 产品质量控制：从一批产品中随机抽取若干件，检查合格品数量。
2. 彩票抽奖：在未开奖前预测中奖号码的概率。
3. 生物实验：从一个有限种群中抽取样本研究基因分布。
五、实例分析
假设有一个包含 50 个球的盒子，其中 10 个是红色球，其余为蓝色球。从中随机抽取 5 个球，求抽到 2 个红球的概率。
- $ N = 50 $
- $ K = 10 $
- $ n = 5 $
- $ k = 2 $
代入公式得：
$$
P(X = 2) = \frac{\binom{10}{2} \binom{40}{3}}{\binom{50}{5}} \approx 0.287
$$
因此，抽到 2 个红球的概率约为 28.7%。
六、总结
超几何分布是处理有限总体、无放回抽样问题的重要工具，尤其在实际应用中具有广泛的适用性。通过理解其公式和性质，可以更准确地评估样本中特定事件发生的概率，从而做出科学决策。
| 项目 | 内容 |
| 分布名称 | 超几何分布 |
| 公式 | $ P(X = k) = \frac{\binom{K}{k} \binom{N - K}{n - k}}{\binom{N}{n}} $ |
| 适用场景 | 无放回抽样、有限总体 |
| 期望 | $ n \cdot \frac{K}{N} $ |
| 方差 | $ n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1} $ |
通过以上内容，我们可以清晰地了解超几何分布的核心思想、计算方法及其实际意义。
