问超几何分布的期望和方差公式

【超几何分布的期望和方差公式】在概率论与数理统计中，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过程中成功事件发生的次数。它常用于从有限总体中进行抽样，且每次抽取后不放回的情况。本文将对超几何分布的期望和方差公式进行总结，并通过表格形式直观展示。

一、超几何分布的基本概念

超几何分布适用于以下场景：

- 总体中有 $ N $ 个个体；

- 其中 $ K $ 个是“成功”个体（例如合格品）；

- 从中随机抽取 $ n $ 个个体（不放回）；

- 设 $ X $ 表示这 $ n $ 个样本中“成功”个体的数量；

- 则 $ X $ 服从参数为 $ (N, K, n) $ 的超几何分布。

其概率质量函数为：

$$

P(X = k) = \frac{\binom{K}{k} \binom{N-K}{n-k}}{\binom{N}{n}}

$$

其中 $ k $ 的取值范围为：$ \max(0, n - (N - K)) \leq k \leq \min(n, K) $

二、超几何分布的期望和方差公式

超几何分布的期望和方差可以由其参数直接计算得出，具有明确的数学表达式。

三、公式解析

1. 期望公式

超几何分布的期望 $ E(X) $ 与二项分布类似，但考虑了不放回抽样的影响。其结果为：

$$

E(X) = \frac{nK}{N}

$$

这表示在总体中“成功”比例为 $ \frac{K}{N} $ 的情况下，抽取 $ n $ 个样本时，“成功”数量的平均值。

2. 方差公式

超几何分布的方差比二项分布更复杂，因为其抽样过程是不放回的，因此需要引入一个修正因子。其公式为：

$$

D(X) = \frac{nK(N - K)(N - n)}{N^2(N - 1)}

$$

该公式表明，当样本容量 $ n $ 接近总体大小 $ N $ 时，方差会显著减小，这是因为抽样不放回减少了变异性。

四、与二项分布的对比

可以看出，当总体较大时，超几何分布的方差趋近于二项分布的方差，此时可近似使用二项分布进行计算。

五、总结

超几何分布是描述不放回抽样中成功事件发生次数的重要模型，其期望和方差公式简洁明了，便于实际应用。理解这些公式有助于在统计分析、质量控制、抽样调查等领域中合理建模和推断。

通过掌握这些公式，能够更好地理解和应用超几何分布，提升数据分析的准确性和实用性。