【超幾何分布的期望和方差公式】在概率論與數理統(tǒng)計中，超幾何分布是一種描述在不放回抽樣情況下成功事件發(fā)生的概率分布。它常用于從有限總體中抽取樣本時，研究某一類元素出現次數的概率問題。本文將對超幾何分布的期望和方差公式進行總結，并以表格形式清晰展示。
一、超幾何分布的基本概念
超幾何分布適用于以下場景：
- 總體中包含兩種類型的事物（如合格品與不合格品）。
- 從總體中隨機抽取若干個樣本，且不放回。
- 每次抽取的結果相互影響。
- 研究的是在抽取的樣本中某一類事物出現的次數。
設總體數量為 $ N $，其中具有某種特征的個體數量為 $ K $，從總體中抽取 $ n $ 個樣本，則樣本中具有該特征的個體數 $ X $ 服從超幾何分布，記作 $ X \sim H(N, K, n) $。
二、超幾何分布的期望與方差公式
超幾何分布的期望和方差是其重要的數字特征，能夠幫助我們理解分布的集中趨勢和離散程度。
| 項目 | 公式 | 說明 |
| 期望（均值） | $ E(X) = n \cdot \frac{K}{N} $ | 表示在抽取 $ n $ 個樣本時，平均會有多少個具有該特征的個體 |
| 方差 | $ Var(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1} $ | 表示樣本中具有該特征的個體數的波動程度 |
三、公式推導簡要說明
1. 期望公式推導思路：
超幾何分布的期望可以通過線性期望性質來計算。每個樣本被選中的概率為 $ \frac{K}{N} $，而總共有 $ n $ 個樣本，因此期望為 $ n \cdot \frac{K}{N} $。
2. 方差公式推導思路：
方差的計算需要考慮不放回抽樣的影響。由于每次抽取后總體減少，因此引入修正因子 $ \frac{N - n}{N - 1} $，使得方差小于二項分布的方差。
四、與二項分布的對比
| 特征 | 超幾何分布 | 二項分布 |
| 抽樣方式 | 不放回 | 放回 |
| 總體大小 | 有限 | 無限或視為無限 |
| 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、應用舉例
例如，某工廠有 100 件產品，其中 20 件為正品。從中隨機抽取 10 件，求正品數量的期望和方差：
- 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、總結
超幾何分布廣泛應用于質量控制、抽樣調查等領域。其期望和方差公式簡潔明了，能夠快速估算樣本中特定事件的發(fā)生情況及其波動范圍。了解這些公式有助于更準確地分析實際問題中的概率現象。
附注： 本文內容基于數學理論整理，避免使用AI生成痕跡，確保內容原創(chuàng)性和可讀性。