首页 >> 知识问答 >

问二项分布超几何分布的均值和方差公式是什么

2025-12-30 11:03:32

答

【二项分布超几何分布的均值和方差公式是什么】在概率统计中,二项分布和超几何分布是两种常见的离散型概率分布,它们都用于描述成功或失败事件的发生次数。虽然两者在某些方面相似,但在应用场景和数学性质上存在明显差异。本文将对这两种分布的均值和方差进行总结,并通过表格形式直观展示。

一、二项分布(Binomial Distribution)

二项分布适用于独立重复试验的情况,即每次试验结果互不影响,且每次试验的成功概率相同。

- 定义:设随机变量 $ X $ 表示在 $ n $ 次独立试验中成功的次数,每次试验的成功概率为 $ p $,则 $ X \sim B(n, p) $。

- 均值(期望):

$$

E(X) = np

$$

- 方差:

$$

Var(X) = np(1 - p)

$$

二、超几何分布(Hypergeometric Distribution)

超几何分布适用于不放回抽样的情况,即每次抽取后不再放回总体,因此各次试验不是独立的。

- 定义:设总体中有 $ N $ 个个体,其中有 $ K $ 个“成功”个体,从总体中抽取 $ n $ 个个体,不放回,则成功次数 $ X \sim H(N, K, n) $。

- 均值(期望):

$$

E(X) = n \cdot \frac{K}{N}

$$

- 方差:

$$

Var(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1}

$$

三、对比总结

分布类型 均值 $ E(X) $ 方差 $ Var(X) $
二项分布 $ np $ $ np(1-p) $
超几何分布 $ n \cdot \frac{K}{N} $ $ n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1} $

四、应用区别

- 二项分布常用于有放回抽样或独立事件的场景,例如抛硬币、产品合格率等。

- 超几何分布适用于无放回抽样的情况,如从一批产品中抽检样本、选人组队等。

五、小结

二项分布和超几何分布虽然都用来描述成功事件的次数,但它们的适用条件不同,导致均值和方差的计算方式也有所区别。理解两者的异同有助于在实际问题中选择合适的模型进行分析。

 
最新文章