超几何分布是一种离散概率分布，用于描述在有限次不放回抽样的情况下，成功次数的概率分布。它广泛应用于抽样调查、质量控制等领域。本文将详细解析超几何分布的概念、计算步骤和应用实例，帮助读者轻松掌握这一概率难题。
一、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 ) 表示成功的次数；
- ( k ) 表示实际成功的次数；
- ( N ) 表示总体中个体的总数；
- ( n ) 表示每次抽样抽取的个体数；
- ( C(m, k) ) 表示从 ( m ) 个不同元素中取出 ( k ) 个元素的组合数。
二、超几何分布的计算步骤
- 确定总体大小 ( N )：总体中个体的总数，即所有可能被抽样的个体数量。
- 确定抽样大小 ( n )：每次抽样抽取的个体数。
- 确定成功的次数 ( K )：总体中成功的个体数。
- 计算 ( C(N, n) )：从 ( N ) 个个体中抽取 ( n ) 个个体的组合数。
- 计算 ( C(K, k) )：从 ( K ) 个成功的个体中抽取 ( k ) 个个体的组合数。
- 计算 ( C(N-K, n-k) )：从 ( N-K ) 个非成功的个体中抽取 ( n-k ) 个个体的组合数。
- 计算 ( P(X = k) )：将上述三个组合数相乘，再除以 ( C(N, n) )，得到 ( X = k ) 的概率。
三、超几何分布的应用实例
假设一个班级共有 30 名学生，其中有 15 名男生。现在随机抽取 5 名学生参加比赛，求抽取到的男生人数为 3 的概率。
- 确定总体大小 ( N )：( N = 30 )
- 确定抽样大小 ( n )：( n = 5 )
- 确定成功的次数 ( K )：( K = 15 )
- 计算 ( C(N, n) )：( C(30, 5) = 142506 )
- 计算 ( C(K, k) )：( C(15, 3) = 455 )
- 计算 ( C(N-K, n-k) )：( C(15, 2) = 105 )
- 计算 ( P(X = k) )：( P(X = 3) = \frac{{455 \cdot 105}}{{142506}} \approx 0.322 )
因此，抽取到的男生人数为 3 的概率约为 0.322。
四、总结
超几何分布是一种重要的离散概率分布，在许多领域都有广泛的应用。通过本文的介绍，相信读者已经对超几何分布有了较为深入的了解。在实际应用中，掌握超几何分布的计算方法和应用实例，将有助于解决各种概率难题。