เครื่องคำนวณการแจกแจงไฮเปอร์จีโอเมตริก

เกี่ยวกับ เครื่องคำนวณการแจกแจงไฮเปอร์จีโอเมตริก

เครื่องคำนวณการแจกแจงไฮเปอร์จีโอเมตริกใช้สำหรับคำนวณความน่าจะเป็นที่แม่นยำในสถานการณ์การสุ่มตัวอย่างโดยไม่ใส่คืน เพียงป้อนขนาดประชากร (N), จำนวนรายการที่สำเร็จ (K), จำนวนการสุ่มหยิบ (n) และจำนวนความสำเร็จที่ต้องการ (k) เพื่อรับค่าความน่าจะเป็นแบบจุดและแบบสะสม พร้อมคำอธิบายวิธีแก้ปัญหาแบบคอมบิเนทอริกทีละขั้นตอนและการแสดงภาพที่โต้ตอบได้

การแจกแจงไฮเปอร์จีโอเมตริกคืออะไร?

การแจกแจงไฮเปอร์จีโอเมตริกคือการแจกแจงความน่าจะเป็นแบบไม่ต่อเนื่องที่อธิบายจำนวนความสำเร็จในลำดับการสุ่มหยิบ n ครั้งจากประชากรที่มีขนาดจำกัด N ซึ่งมีรายการที่สำเร็จอยู่ K รายการพอดี โดยเป็นการหยิบแบบ ไม่ใส่คืน ต่างจากการแจกแจงทวินามซึ่งสมมติว่าการทดลองแต่ละครั้งเป็นอิสระต่อกัน การแจกแจงไฮเปอร์จีโอเมตริกจะคำนึงถึงความจริงที่ว่าการสุ่มหยิบแต่ละครั้งจะเปลี่ยนองค์ประกอบของประชากรที่เหลืออยู่

สูตร PMF ของไฮเปอร์จีโอเมตริก

ฟังก์ชันมวลความน่าจะเป็น (PMF) คือ:

P(X = k) = C(K, k) × C(N − K, n − k) / C(N, n)

โดยที่ C(a, b) = a! / (b! × (a − b)!) คือสัมประสิทธิ์ทวินาม ("a เลือก b") ตัวเศษจะนับจำนวนวิธีที่เอื้ออำนวยในการเลือกความสำเร็จ k รายการจาก K และความล้มเหลว (n − k) รายการจาก (N − K) ส่วนตัวหารจะนับวิธีที่เป็นไปได้ทั้งหมดในการสุ่มหยิบ n รายการจาก N

คำอธิบายพารามิเตอร์

• N (ขนาดประชากร) — จำนวนรายการทั้งหมดในประชากร
• K (จำนวนสถานะความสำเร็จ) — จำนวนรายการที่จัดอยู่ในประเภท "สำเร็จ" ในประชากร
• n (จำนวนการสุ่มหยิบ) — จำนวนรายการที่สุ่มหยิบออกมาโดยไม่ใส่คืน
• k (ความสำเร็จที่สังเกตได้) — จำนวนความสำเร็จเฉพาะเจาะจงที่คุณต้องการหาความน่าจะเป็น

ค่าเฉลี่ย, ความแปรปรวน และส่วนเบี่ยงเบนมาตรฐาน

สำหรับตัวแปรสุ่มไฮเปอร์จีโอเมตริก X:

• ค่าเฉลี่ย: μ = nK / N
• ความแปรปรวน: σ² = n × (K/N) × ((N−K)/N) × ((N−n)/(N−1))
• ส่วนเบี่ยงเบนมาตรฐาน: σ = √σ²

ปัจจัย (N − n) / (N − 1) เรียกว่า ปัจจัยการแก้ไขประชากรจำกัด ซึ่งจะช่วยลดความแปรปรวนเมื่อเทียบกับการแจกแจงทวินาม สะท้อนให้เห็นว่าการสุ่มตัวอย่างโดยไม่ใส่คืนมีความแปรปรวนน้อยกว่าการสุ่มตัวอย่างแบบใส่คืน

การแจกแจงไฮเปอร์จีโอเมตริก เทียบกับ การแจกแจงทวินาม

• ไฮเปอร์จีโอเมตริก: สุ่มตัวอย่าง โดยไม่ ใส่คืนจากประชากรที่มีขนาดจำกัด การสุ่มแต่ละครั้งจะเปลี่ยนความน่าจะเป็นของการสุ่มครั้งต่อไป
• ทวินาม: สุ่มตัวอย่าง แบบใส่คืน (หรือจากประชากรที่มีขนาดไม่จำกัด) การทดลองแต่ละครั้งมีความน่าจะเป็นเท่าเดิม
• เมื่อประชากรมีขนาดใหญ่มากเมื่อเทียบกับกลุ่มตัวอย่าง (N ≫ n) การแจกแจงไฮเปอร์จีโอเมตริกจะใกล้เคียงกับการแจกแจงทวินาม

การประยุกต์ใช้ที่พบบ่อย

• การควบคุมคุณภาพ — ความน่าจะเป็นที่จะพบสินค้าชำรุด 3 ชิ้นพอดีเมื่อตรวจสอบ 30 หน่วยจากล็อตที่มี 500 ชิ้นและมีสินค้าชำรุดอยู่ 20 ชิ้นคือเท่าใด?
• เกมไพ่ — ความน่าจะเป็นที่จะได้ไพ่โพแดง 2 ใบพอดีจากการจั่วไพ่โป๊กเกอร์ 5 ใบจากสำรับมาตรฐาน 52 ใบคือเท่าใด?
• การวิเคราะห์ลอตเตอรี่ — โอกาสในการถูกรางวัลตามจำนวนตัวเลขที่สุ่มได้คือเท่าใด?
• นิเวศวิทยา (การจับแล้วจับซ้ำ) — การประมาณจำนวนประชากรสัตว์ป่าโดยการติดแถบเครื่องหมายและจับซ้ำ
• การทดสอบทางสถิติ — การทดสอบที่แม่นยำของฟิชเชอร์ (Fisher's exact test) ใช้การแจกแจงไฮเปอร์จีโอเมตริกเพื่อทดสอบความเป็นอิสระในตาราง 2×2

วิธีใช้งานเครื่องคำนวณนี้

1. ป้อนขนาดประชากร N (รายการทั้งหมด)
2. ป้อนจำนวนสถานะความสำเร็จ K (ต้อง ≤ N)
3. ป้อนจำนวนการสุ่มหยิบ n (ต้อง ≤ N)
4. ป้อนจำนวนความสำเร็จที่สังเกตได้ k (ต้องเป็นค่าที่เป็นไปได้ตามพารามิเตอร์)
5. คลิก "คำนวณความน่าจะเป็น" เพื่อดูความน่าจะเป็นแบบตรงตัวและแบบสะสม, วิธีแก้ปัญหาทีละขั้นตอน, แผนภูมิแท่ง PMF และการแสดงภาพแบบจำลองโกศ

คำถามที่พบบ่อย

การแจกแจงไฮเปอร์จีโอเมตริกใช้ทำอะไร?

ใช้เมื่อใดก็ตามที่คุณสุ่มตัวอย่างจากประชากรจำกัดโดยไม่ใส่คืน และต้องการทราบความน่าจะเป็นในการสุ่มได้รายการที่มีลักษณะเฉพาะตามจำนวนที่กำหนด กรณีการใช้งานทั่วไป ได้แก่ การตรวจสอบการควบคุมคุณภาพ, ความน่าจะเป็นในเกมไพ่, โอกาสถูกลอตเตอรี่ และการศึกษาการจับสัตว์ป่ามาทำเครื่องหมายแล้วปล่อยไปจับใหม่

การแจกแจงไฮเปอร์จีโอเมตริกต่างจากการแจกแจงทวินามอย่างไร?

ความแตกต่างที่สำคัญคือการใส่คืน การแจกแจงทวินามสมมติว่าการทดลองเป็นอิสระต่อกัน (มีการใส่คืน) ในขณะที่ไฮเปอร์จีโอเมตริกจำลองการสุ่มแบบพึ่งพากัน (ไม่ใส่คืน) เมื่อประชากรใหญ่กว่ากลุ่มตัวอย่างมาก การแจกแจงทั้งสองจะเข้าหากัน

ช่วงค่าที่ถูกต้องสำหรับ k คืออะไร?

ความสำเร็จที่สังเกตได้ k ต้องเป็นไปตามเงื่อนไข: max(0, n − (N − K)) ≤ k ≤ min(n, K) ขอบเขตล่างช่วยให้แน่ใจว่ามีรายการที่ล้มเหลวเพียงพอสำหรับการสุ่มที่เหลือ และขอบเขตบนช่วยให้แน่ใจว่าคุณไม่ได้ระบุความสำเร็จเกินกว่าที่มีอยู่หรือเกินจำนวนที่สุ่มหยิบ

ฉันสามารถใช้สิ่งนี้สำหรับการทดสอบที่แม่นยำของฟิชเชอร์ได้หรือไม่?

ได้ การทดสอบที่แม่นยำของฟิชเชอร์คำนวณความน่าจะเป็นโดยใช้การแจกแจงไฮเปอร์จีโอเมตริก หากคุณมีตาราง contingency table ขนาด 2×2 คุณสามารถใช้เครื่องคำนวณนี้เพื่อคำนวณความน่าจะเป็นในการสังเกตค่าในเซลล์ที่กำหนดภายใต้สมมติฐานหลักของความเป็นอิสระ

ปัจจัยการแก้ไขประชากรจำกัดคืออะไร?

ปัจจัย (N − n) / (N − 1) ในสูตรความแปรปรวนทำหน้าที่ปรับปรุงผลสำหรับการสุ่มตัวอย่างแบบไม่ใส่คืน ซึ่งจะช่วยลดความแปรปรวนเมื่อเทียบกับการแจกแจงทวินามเสมอ เมื่อ n มีขนาดเล็กเมื่อเทียบกับ N ปัจจัยนี้จะมีค่าใกล้เคียง 1 และการแก้ไขจะไม่มีนัยสำคัญ