超几何分布计算器

超几何分布计算器

超几何分布计算器用于计算无放回抽样场景下的精确概率。输入您的总体大小 (N)、成功项目数 (K)、抽取次数 (n) 以及期望的成功次数 (k)，即可立即获得点概率和累积概率，并附带逐步的组合解法和交互式可视化图表。

什么是超几何分布？

超几何分布是一种离散概率分布，它描述了在含有恰好 K 个成功项目的、大小为 N 的有限总体中，进行 n 次无放回抽取时，成功项目出现的次数。与二项分布（假设每次试验都是独立的）不同，超几何分布考虑了每次抽取都会改变剩余总体构成这一事实。

超几何分布 PMF 公式

概率质量函数 (PMF) 为：

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

其中 C(a, b) = a! / (b! × (a − b)!) 是二项式系数（“从 a 中选 b”）。分子计算从 K 个成功项中选出 k 个成功项，以及从 (N − K) 个失败项中选出 (n − k) 个失败项的有利组合数。分母计算从 N 个项目中抽取 n 个项目的所有可能组合数。

参数详解

• N (总体大小) — 总体中的项目总数。
• K (成功状态数) — 总体中被分类为“成功”的项目数。
• n (抽取次数) — 无放回抽取的项目数量。
• k (观察到的成功数) — 您想要查找其概率的特定成功次数。

均值、方差和标准差

对于超几何随机变量 X：

• 均值： μ = nK / N
• 方差： σ² = n × (K/N) × ((N−K)/N) × ((N−n)/(N−1))
• 标准差： σ = √σ²

因子 (N − n) / (N − 1) 被称为有限总体修正因子。它比二项分布减小了方差，反映了无放回抽样的变异性小于有放回抽样。

超几何分布 vs. 二项分布

• 超几何分布：从有限总体中进行无放回抽样。每次抽取都会改变下一次抽取的概率。
• 二项分布：进行有放回抽样（或从无限总体中抽样）。每次试验具有相同的概率。
• 当总体相对于样本非常大 (N ≫ n) 时，超几何分布近似于二项分布。

常见应用

• 质量控制 — 在含有 20 件缺陷品的 500 件产品批次中检查 30 件，恰好发现 3 件缺陷品的概率是多少？
• 卡牌游戏 — 在标准 52 张扑克牌中，分发的 5 张牌中恰好有 2 张红心的概率是多少？
• 彩票分析 — 匹配特定数量中奖数字的几率是多少？
• 生态学 (捕捉-再捕捉) — 通过标记和再次捕捉动物来估算野生动物种群数量。
• 统计检验 — Fisher 精确检验使用超几何分布来检验 2×2 列联表中的独立性。

如何使用此计算器

1. 输入总体大小 N（总项目数）。
2. 输入成功状态数 K（必须 ≤ N）。
3. 输入抽取次数 n（必须 ≤ N）。
4. 输入观察到的成功数 k（必须在给定参数下可行）。
5. 点击“计算概率”查看精确概率和累积概率、逐步解法、PMF 柱状图以及瓮模型可视化。

常见问题解答

超几何分布用于什么？

超几何分布用于从有限总体中进行无放回抽样，且您想知道抽取具有特定特征的项目数量的概率。常见用例包括质量控制检查、卡牌游戏概率、彩票几率和生态捕捉-再捕捉研究。

超几何分布与二项分布有何不同？

关键区别在于“放回”。二项分布假设试验相互独立（有放回），而超几何分布模拟相关联的抽取（无放回）。当总体远大于样本时，这两种分布会趋于一致。

k 的有效范围是什么？

观察到的成功次数 k 必须满足：max(0, n − (N − K)) ≤ k ≤ min(n, K)。下限确保有足够的失败项供剩余抽取，上限确保不超过可用的成功项或总抽取次数。

我可以将其用于 Fisher 精确检验吗？

是的。Fisher 精确检验使用超几何分布计算概率。如果您有一个 2×2 列联表，可以使用此计算器计算在独立性零假设下观察到给定单元格计数的概率。

什么是有限总体修正因子？

方差公式中的因子 (N − n) / (N − 1) 考虑了无放回抽样。与二项分布相比，它总是会减小方差。当 n 相对于 N 很小时，该因子接近 1，修正效果可以忽略不计。