Máy Tính Phân Phối Siêu Bội

Giới thiệu về Máy Tính Phân Phối Siêu Bội

Máy tính Phân phối Siêu bội tính toán xác suất chính xác cho các kịch bản lấy mẫu không thay thế. Nhập kích thước quần thể (N), số phần tử thành công (K), số lần rút (n) và số thành công mong muốn (k) để nhận ngay xác suất tại một điểm và xác suất tích lũy với các lời giải tổ hợp từng bước và hình ảnh trực quan tương tác.

Phân phối Siêu bội là gì?

Phân phối siêu bội là một phân phối xác suất rời rạc mô tả số lượng thành công trong một chuỗi n lần rút từ một quần thể hữu hạn có kích thước N chứa chính xác K phần tử thành công, được rút không thay thế. Không giống như phân phối nhị thức — vốn giả định mỗi lần thử là độc lập — phân phối siêu bội tính đến thực tế là mỗi lần rút làm thay đổi thành phần của quần thể còn lại.

Công thức PMF Siêu bội

Hàm khối xác suất (PMF) là:

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

Trong đó C(a, b) = a! / (b! × (a − b)!) là hệ số nhị thức ("chọn b từ a"). Tử số đếm các cách thuận lợi để chọn k thành công từ K và (n − k) thất bại từ (N − K). Mẫu số đếm tất cả các cách có thể có để rút n phần tử từ N.

Giải thích các tham số

• N (Kích thước quần thể) — Tổng số phần tử trong quần thể.
• K (Số trạng thái thành công) — Số lượng phần tử được phân loại là "thành công" trong quần thể.
• n (Số lần rút) — Có bao nhiêu phần tử được rút ra mà không thay thế.
• k (Thành công quan sát được) — Số lượng thành công cụ thể mà bạn muốn tìm xác suất.

Kỳ vọng, Phương sai và Độ lệch chuẩn

Đối với một biến ngẫu nhiên siêu bội X:

• Kỳ vọng: μ = nK / N
• Phương sai: σ² = n × (K/N) × ((N−K)/N) × ((N−n)/(N−1))
• Độ lệch chuẩn: σ = √σ²

Hệ số (N − n) / (N − 1) được gọi là hệ số hiệu chỉnh quần thể hữu hạn. Nó làm giảm phương sai so với phân phối nhị thức, phản ánh rằng lấy mẫu không thay thế ít biến động hơn so với lấy mẫu có thay thế.

Phân phối Siêu bội so với Phân phối Nhị thức

• Siêu bội: Lấy mẫu không thay thế từ một quần thể hữu hạn. Mỗi lần rút làm thay đổi xác suất của lần rút tiếp theo.
• Nhị thức: Lấy mẫu có thay thế (hoặc từ một quần thể vô hạn). Mỗi lần thử đều có cùng một xác suất.
• Khi quần thể rất lớn so với mẫu (N ≫ n), phân phối siêu bội xấp xỉ phân phối nhị thức.

Các ứng dụng phổ biến

• Kiểm soát chất lượng — Xác suất tìm thấy chính xác 3 sản phẩm lỗi khi kiểm tra 30 đơn vị từ một lô hàng 500 chiếc chứa 20 sản phẩm lỗi là bao nhiêu?
• Trò chơi bài — Xác suất được chia chính xác 2 lá cơ trong một tay bài poker 5 lá từ bộ bài tiêu chuẩn 52 lá là bao nhiêu?
• Phân tích xổ số — Tỷ lệ khớp với một số lượng nhất định các con số được rút ra là bao nhiêu?
• Sinh thái học (Đánh dấu-Tái bắt) — Ước tính quần thể động vật hoang dã bằng cách đánh dấu và bắt lại các con vật.
• Kiểm định thống kê — Kiểm định chính xác của Fisher sử dụng phân phối siêu bội để kiểm định tính độc lập trong các bảng ngẫu nhiên 2×2.

Cách sử dụng Máy tính này

1. Nhập kích thước quần thể N (tổng số phần tử).
2. Nhập số trạng thái thành công K (phải ≤ N).
3. Nhập số lần rút n (phải ≤ N).
4. Nhập số thành công quan sát được k (phải khả thi với các tham số đã cho).
5. Nhấp vào "Tính toán Xác suất" để xem xác suất chính xác và tích lũy, lời giải từng bước, biểu đồ cột PMF và mô hình hóa bình đựng.

Câu hỏi thường gặp

Phân phối siêu bội được sử dụng để làm gì?

Phân phối siêu bội được sử dụng bất cứ khi nào bạn lấy mẫu từ một quần thể hữu hạn mà không thay thế và muốn biết xác suất rút được một số lượng phần tử cụ thể có đặc điểm nhất định. Các trường hợp sử dụng phổ biến bao gồm kiểm tra kiểm soát chất lượng, xác suất trò chơi bài, tỷ lệ trúng xổ số và các nghiên cứu đánh dấu-tái bắt trong sinh thái học.

Phân phối siêu bội khác với phân phối nhị thức như thế nào?

Sự khác biệt chính là việc thay thế. Phân phối nhị thức giả định các lần thử độc lập (có thay thế), trong khi phân phối siêu bội mô hình hóa các lần rút phụ thuộc (không thay thế). Khi quần thể lớn hơn nhiều so với mẫu, hai phân phối này hội tụ lại với nhau.

Các phạm vi hợp lệ cho k là gì?

Số thành công quan sát được k phải thỏa mãn: max(0, n − (N − K)) ≤ k ≤ min(n, K). Giới hạn dưới đảm bảo có đủ các phần tử thất bại cho các lần rút còn lại, và giới hạn trên đảm bảo bạn không vượt quá số thành công có sẵn hoặc tổng số lần rút.

Tôi có thể sử dụng công cụ này cho kiểm định chính xác của Fisher không?

Có. Kiểm định chính xác của Fisher tính toán xác suất bằng phân phối siêu bội. Nếu bạn có bảng ngẫu nhiên 2×2, bạn có thể sử dụng máy tính này để tính xác suất quan sát các số lượng ô đã cho theo giả thuyết không về tính độc lập.

Hệ số hiệu chỉnh quần thể hữu hạn là gì?

Hệ số (N − n) / (N − 1) trong công thức phương sai tính đến việc lấy mẫu không thay thế. Nó luôn làm giảm phương sai so với phân phối nhị thức. Khi n nhỏ so với N, hệ số này gần bằng 1 và hiệu chỉnh là không đáng kể.