二项分布超几何分布的均值和方差公式是什么

【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，它们分别用于描述独立重复试验和有限总体中不放回抽样的成功次数。了解这两种分布的均值和方差，有助于我们更好地理解其统计特性，并在实际问题中进行应用。

以下是对二项分布与超几何分布的均值和方差公式的总结：

一、二项分布（Binomial Distribution）

定义：设随机变量 $ X $ 表示在 $ n $ 次独立重复试验中，事件发生的次数，每次试验成功的概率为 $ 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）

定义：设随机变量 $ X $ 表示在从一个包含 $ N $ 个个体的有限总体中抽取 $ n $ 个样本时，其中具有某种特征的个体数，总体中有 $ K $ 个具有该特征的个体，则 $ 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、对比表格

四、总结

二项分布和超几何分布在形式上都涉及“成功次数”的统计，但它们的应用场景不同：

- 二项分布适用于独立重复试验，如抛硬币、产品检验等；

- 超几何分布适用于有限总体中不放回抽样，如从一批产品中抽取样本进行质量检测等。

虽然两者的均值表达式相似，但超几何分布的方差中多了一个修正因子 $ \frac{N - n}{N - 1} $，这是由于不放回抽样导致的样本间相关性所致。

掌握这些公式，不仅有助于解决实际问题，也能加深对概率分布本质的理解。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！