超几何分布的期望与方差公式
更新日期:2026-11-11 22:21:42
| 标题 | 超几何分布的期望与方差公式 | |||||||||||||||
| 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次数的概率分布。它常用于从有限总体中抽取样本时的随机事件分析。本文将对超几何分布的期望与方差公式进行总结,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: - 总体中有 $ N $ 个个体; - 其中 $ K $ 个个体具有某种特征(称为“成功”); - 从中随机抽取 $ n $ 个个体,不放回; - 设 $ X $ 表示这 $ n $ 个个体中具有该特征的数量,则 $ X $ 服从超几何分布,记为 $ X \sim H(N, K, n) $。 二、超几何分布的期望与方差公式 以下是超几何分布的期望与方差的数学表达式:
三、公式解析与理解 1. 期望部分 超几何分布的期望类似于二项分布的期望,即 $ n \cdot p $,其中 $ p = \frac{K}{N} $ 是每次抽样成功的概率。但由于是不放回抽样,期望仍然保持线性性质,不受抽样方式的影响。 2. 方差部分 超几何分布的方差比二项分布小,这是因为不放回抽样减少了样本之间的独立性。方差中的因子 $ \frac{N - n}{N - 1} $ 称为“有限总体校正因子”,当 $ n $ 相对于 $ N $ 很小时,这个因子接近于 1,此时超几何分布近似于二项分布。 四、实际应用举例 假设一个班级有 50 名学生,其中有 10 名是优秀学生。从中随机抽取 5 名学生,问其中优秀学生的期望人数和方差是多少? - $ N = 50 $,$ K = 10 $,$ n = 5 $ - 期望:$ E(X) = 5 \cdot \frac{10}{50} = 1 $ - 方差:$ Var(X) = 5 \cdot \frac{10}{50} \cdot \left(1 - \frac{10}{50}\right) \cdot \frac{50 - 5}{50 - 1} = 0.8 \cdot 0.9 \cdot 0.909 \approx 0.654 $ 五、总结 超几何分布是描述不放回抽样中成功次数的重要模型,其期望和方差公式简洁且实用。掌握这些公式有助于在实际问题中进行概率建模与数据分析。
通过理解这些公式,可以更准确地分析和预测在有限总体中的随机事件结果。 | |||||||||||||||
| 随便看 |