在线词典

超几何分布的期望和方差公式

更新日期:2026-11-12 04:24:19

标题超几何分布的期望和方差公式
内容

在概率论与数理统计中,超几何分布是一种描述在不放回抽样情况下成功事件发生的概率分布。它常用于从有限总体中抽取样本时,研究某一类元素出现次数的概率问题。本文将对超几何分布的期望和方差公式进行总结,并以表格形式清晰展示。

一、超几何分布的基本概念

超几何分布适用于以下场景:

- 总体中包含两种类型的事物(如合格品与不合格品)。

- 从总体中随机抽取若干个样本,且不放回。

- 每次抽取的结果相互影响。

- 研究的是在抽取的样本中某一类事物出现的次数。

设总体数量为 $ N $,其中具有某种特征的个体数量为 $ K $,从总体中抽取 $ n $ 个样本,则样本中具有该特征的个体数 $ X $ 服从超几何分布,记作 $ X \sim H(N, K, n) $。

二、超几何分布的期望与方差公式

超几何分布的期望和方差是其重要的数字特征,能够帮助我们理解分布的集中趋势和离散程度。

项目 公式 说明
期望(均值) $ E(X) = n \cdot \frac{K}{N} $ 表示在抽取 $ n $ 个样本时,平均会有多少个具有该特征的个体
方差 $ Var(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1} $ 表示样本中具有该特征的个体数的波动程度

三、公式推导简要说明

1. 期望公式推导思路:

超几何分布的期望可以通过线性期望性质来计算。每个样本被选中的概率为 $ \frac{K}{N} $,而总共有 $ n $ 个样本,因此期望为 $ n \cdot \frac{K}{N} $。

2. 方差公式推导思路:

方差的计算需要考虑不放回抽样的影响。由于每次抽取后总体减少,因此引入修正因子 $ \frac{N - n}{N - 1} $,使得方差小于二项分布的方差。

四、与二项分布的对比

特征 超几何分布 二项分布
抽样方式 不放回 放回
总体大小 有限 无限或视为无限
期望 $ n \cdot \frac{K}{N} $ $ np $
方差 $ n \cdot \frac{K}{N} \cdot (1 - \frac{K}{N}) \cdot \frac{N - n}{N - 1} $ $ np(1 - p) $

五、应用举例

例如,某工厂有 100 件产品,其中 20 件为正品。从中随机抽取 10 件,求正品数量的期望和方差:

- 期望:$ 10 \cdot \frac{20}{100} = 2 $

- 方差:$ 10 \cdot \frac{20}{100} \cdot \left(1 - \frac{20}{100}\right) \cdot \frac{100 - 10}{100 - 1} \approx 1.45 $

六、总结

超几何分布广泛应用于质量控制、抽样调查等领域。其期望和方差公式简洁明了,能够快速估算样本中特定事件的发生情况及其波动范围。了解这些公式有助于更准确地分析实际问题中的概率现象。

附注: 本文内容基于数学理论整理,避免使用AI生成痕迹,确保内容原创性和可读性。

随便看