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

二项分布适用于独立重复试验中，每次试验只有两种可能结果（成功或失败），且每次成功的概率相同。设随机变量 $ X $ 表示在 $ n $ 次独立试验中成功发生的次数，每次成功的概率为 $ 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

超几何分布用于描述在不放回抽样中，某类个体被抽中的次数。它适用于有限总体中的抽样问题，其中样本抽取后不再放回。设随机变量 $ X $ 表示在从一个包含 $ N $ 个个体的总体中抽取 $ n $ 个样本时，有 $ K $ 个“成功”个体被抽中的次数，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、对比总结

四、小结

二项分布和超几何分布在实际应用中各有侧重。二项分布适用于独立重复试验，而超几何分布则适用于不放回抽样场景。它们的均值计算方式相似，但超几何分布的方差引入了“有限总体校正因子” $ \frac{N - n}{N - 1} $，以反映不放回抽样对变异的影响。理解这些公式有助于在实际问题中选择合适的概率模型。

　　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！