高等数学 / 系统课时

超几何分布

超几何分布

本课解决有限总体不放回抽样中的计数问题,例如从一批产品中抽检若干件,求抽到指定数量次品的概率。学完后,你能识别超几何分布,确定随机变量的可取范围,并与二项分布正确区分。

学习目标

  • 理解不放回抽样为何导致各次结果不独立
  • 会使用超几何分布公式计算成功个数概率
  • 能确定随机变量取值范围并识别适用边界

有限总体中的不放回抽样

设总体共有 NN 个对象,其中 KK 个被定义为成功对象,其余 N−KN-K 个为失败对象。从总体中不放回抽取 nn 个,随机变量 XX 表示样本中的成功对象数,则 XX 服从超几何分布。

因为抽出一个对象后,总体构成会改变,下一次抽到成功对象的概率也会变化,所以各次抽取并不独立。超几何分布不按抽取顺序逐次相乘,而是直接比较“满足条件的样本组合数”与“所有样本组合数”。

超几何分布的不放回抽样结构

从 KK 个成功对象中选出 xx 个,有 C(K,x)C(K,x) 种方法;从 N−KN-K 个失败对象中选出 n−xn-x 个,有 C(N−K,n−x)C(N-K,n-x) 种方法;所有大小为 nn 的样本共有 C(N,n)C(N,n) 种。因此

P(X=x)=C(K,x)C(N−K,n−x)C(N,n)P(X=x)=\frac{C(K,x)C(N-K,n-x)}{C(N,n)}

随机变量不能任意取值,必须同时满足成功对象和失败对象都够选:

max⁡(0,n−(N−K))≤x≤min⁡(n,K)\max(0,n-(N-K))\le x\le\min(n,K)

主示例:产品抽检

某批次有 20 个零件,其中 5 个为次品。现不放回抽取 4 个,求恰好抽到 2 个次品的概率。

这里 N=20N=20、K=5K=5、n=4n=4、x=2x=2。从 5 个次品中选 2 个,再从 15 个合格品中选 2 个:

P(X=2)=C(5,2)C(15,2)C(20,4)=10504845≈0.2167P(X=2)=\frac{C(5,2)C(15,2)}{C(20,4)} =\frac{1050}{4845} \approx0.2167

因此,恰好抽到 2 个次品的概率约为 21.67%21.67\%。该分布的期望为 E(X)=nK/NE(X)=nK/N,本例中平均会抽到 4×5/20=14\times5/20=1 个次品。

与二项分布的区别和常见错误

判断条件 超几何分布 二项分布
总体 有限总体 可视为无限总体或重复试验
抽样方式 不放回 放回,或每次概率近似不变
各次结果 不独立 相互独立
成功概率 随抽样过程变化 固定为 pp

当总体远大于样本,抽走少量对象对总体比例影响很小时,二项分布可以近似超几何分布。但只要题目明确强调有限总体和不放回抽样,优先使用超几何分布。

最常见的错误是只写 0≤x≤n0\le x\le n,却忽略总体中成功对象或失败对象可能不足。例如总体只有 3 个成功对象,就不可能在样本中得到 4 个成功对象;若失败对象数量太少,样本又可能被迫包含一定数量的成功对象。

另一个错误是把每次抽取都按固定成功概率 K/NK/N 相乘。第一次抽取后,分子和分母都会变化,固定概率模型不再成立。组合计数能够自动处理顺序差异和总体变化,是更直接的计算方式。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

超几何分布

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通