超几何分布是一种离散概率分布，用于描述在有限次数的抽样中，成功抽到特定类型项目的概率。它广泛应用于抽样调查、质量控制、生物统计等领域。本文将深入解析超几何分布的成立关键，帮助读者破解概率难题。
超几何分布的定义
超几何分布的概率质量函数（PMF）如下：
[ P(X = k) = \frac{{C(K, k) \cdot C(N-K, n-k)}}{{C(N, n)}} ]
其中：
- ( X ) 表示抽到特定类型项目的数量。
- ( K ) 表示总体中特定类型项目的数量。
- ( N ) 表示总体中项目的总数。
- ( n ) 表示抽样次数。
- ( C ) 表示组合数，即从 ( m ) 个不同元素中取出 ( r ) 个元素的组合数，计算公式为 ( C(m, r) = \frac{{m!}}{{r!(m-r)!}} )。
超几何分布的成立关键
有限总体：超几何分布适用于有限总体的情况。如果总体无限大，则无法使用超几何分布来描述概率。
不放回抽样：在抽样过程中，每次抽取的项目不能放回总体中。如果放回抽样，则无法使用超几何分布。
抽样次数小于总体大小：在抽样过程中，抽样次数 ( n ) 必须小于总体大小 ( N )。如果 ( n \geq N )，则无法使用超几何分布。
特定类型项目数量有限：总体中特定类型项目的数量 ( K ) 必须有限。如果 ( K ) 无限大，则无法使用超几何分布。
超几何分布的应用实例
以下是一个超几何分布的应用实例：
假设一个装有 10 个红球和 20 个蓝球的袋子，从中随机抽取 5 个球，求抽到 3 个红球的概率。
根据超几何分布的概率质量函数，可以得到：
[ P(X = 3) = \frac{{C(10, 3) \cdot C(20, 2)}}{{C(30, 5)}} ]
计算组合数：
[ C(10, 3) = \frac{{10!}}{{3!(10-3)!}} = 120 ] [ C(20, 2) = \frac{{20!}}{{2!(20-2)!}} = 190 ] [ C(30, 5) = \frac{{30!}}{{5!(30-5)!}} = 142506 ]
代入公式计算概率：
[ P(X = 3) = \frac{{120 \cdot 190}}{{142506}} \approx 0.013 ]
因此，从装有 10 个红球和 20 个蓝球的袋子中随机抽取 5 个球，抽到 3 个红球的概率约为 0.013。
总结
超几何分布是一种重要的离散概率分布，在多个领域有着广泛的应用。通过深入理解其成立关键和应用实例，我们可以更好地破解概率难题。