二项分布和超几何分布

在概率论与统计学中，二项分布和超几何分布是两种常见的离散型概率分布模型，它们都用于描述成功或失败事件发生的概率，但在应用场景和假设条件上有所不同。以下是对这两种分布的总结与对比。

一、定义与基本概念

二、数学表达式

1. 二项分布

设随机变量X服从参数为n和p的二项分布，记作X ~ B(n, p)，则其概率质量函数为：

$$

P(X = k) = C_n^k \cdot p^k \cdot (1 - p)^{n - k}, \quad k = 0, 1, 2, ..., n

$$

其中，$ C_n^k $ 是组合数，表示从n个元素中选出k个的方式数。

2. 超几何分布

设随机变量X服从参数为N（总体大小）、K（成功总数）、n（样本容量）的超几何分布，记作X ~ H(N, K, n)，则其概率质量函数为：

$$

P(X = k) = \frac{C_K^k \cdot C_{N-K}^{n-k}}{C_N^n}, \quad k = \max(0, n - (N - K)), \ldots, \min(n, K)

$$

三、期望与方差

注：超几何分布的方差比二项分布小，这是因为无放回抽样导致样本之间存在相关性。

四、适用场景

五、实际例子

1. 二项分布示例

某工厂生产的产品合格率为95%，现从中随机抽取10件进行检测，求恰好有8件合格的概率。

2. 超几何分布示例

一个班级有30名学生，其中10人是女生。从中随机抽取5人，求其中有2名女生的概率。

六、总结

二项分布和超几何分布虽然都能用来描述成功次数的概率，但它们的核心区别在于是否进行放回抽样。二项分布适用于独立事件，而超几何分布适用于有限总体中的无放回抽样。理解这两种分布的异同有助于在实际问题中选择合适的模型进行分析与预测。