【超几何分布公式】在概率论与统计学中，超几何分布是一种离散型概率分布，用于描述在不放回抽样中成功事件发生的次数。它适用于有限总体中进行无放回抽样的情况，常用于质量控制、生物统计、市场调查等领域。
一、超几何分布的基本概念
超几何分布的定义如下：
设一个总体中有 $ N $ 个个体，其中 $ K $ 个是“成功”个体（如合格品），其余 $ N - K $ 个为“失败”个体（如不合格品）。从总体中随机抽取 $ n $ 个样本，不放回地进行，那么在这 $ n $ 个样本中恰好有 $ k $ 个“成功”个体的概率服从超几何分布。
二、超几何分布的公式
超几何分布的概率质量函数（PMF）为：
$$
P(X = k) = \frac{{\dbinom{K}{k} \dbinom{N-K}{n-k}}}{\dbinom{N}{n}}
$$
其中：
- $ N $：总体大小
- $ K $：成功个体数
- $ n $：抽取样本数
- $ k $：抽取样本中的成功数
- $ \dbinom{a}{b} $：组合数，表示从 $ a $ 个元素中选取 $ b $ 个的组合方式数
三、超几何分布的特点
1. 无放回抽样：每次抽取后不将样本放回总体，因此各次试验不是独立的。
2. 有限总体：适用于总体数量较小的情况。
3. 参数较多：需要知道总体大小、成功数、样本量和期望的成功数。
四、超几何分布与二项分布的区别
| 特征 | 超几何分布 | 二项分布 |
| 抽样方式 | 无放回 | 有放回 |
| 总体大小 | 有限 | 无限或非常大 |
| 事件独立性 | 不独立 | 独立 |
| 概率变化 | 随着抽样而变化 | 固定不变 |
| 应用场景 | 小样本、有限总体 | 大样本、独立事件 |
五、实例分析
假设一个工厂生产了 50 个零件，其中有 10 个是合格品（成功）。现从中随机抽取 5 个零件，问其中有 2 个合格品的概率是多少？
使用超几何分布公式计算：
$$
P(X = 2) = \frac{{\dbinom{10}{2} \dbinom{40}{3}}}{\dbinom{50}{5}} = \frac{45 \times 9880}{2,118,760} \approx 0.206
$$
即抽取 5 个零件中恰好有 2 个合格品的概率约为 20.6%。
六、总结表格
| 项目 | 内容 |
| 分布名称 | 超几何分布 |
| 定义 | 描述不放回抽样中成功事件发生的概率 |
| 公式 | $ P(X = k) = \frac{{\dbinom{K}{k} \dbinom{N-K}{n-k}}}{\dbinom{N}{n}} $ |
| 参数 | $ N $（总体大小）、$ K $（成功数）、$ n $（样本数）、$ k $（成功数） |
| 特点 | 无放回、有限总体、非独立事件 |
| 与二项分布区别 | 抽样方式、独立性、总体大小 |
| 应用场景 | 质量控制、抽样调查、生物统计等 |
通过理解超几何分布的公式与特点，可以更好地应对实际问题中涉及不放回抽样的概率计算问题。
