【超几何分布的期望和方差】在概率论与数理统计中，超几何分布是一种描述在不放回抽样中成功次数的概率分布。它常用于从有限总体中抽取样本时，计算某一类元素被抽中的概率。本文将对超几何分布的期望和方差进行总结，并以表格形式展示关键公式。
一、超几何分布的基本概念
超几何分布适用于以下情境：
- 总体中有 $ N $ 个个体；
- 其中 $ K $ 个个体具有某种特征（称为“成功”）；
- 从中随机抽取 $ n $ 个个体（不放回）；
- 设 $ X $ 表示这 $ n $ 个个体中具有该特征的数量，则 $ X $ 服从超几何分布，记为 $ X \sim H(N, K, n) $。
二、超几何分布的期望
超几何分布的期望值反映了在多次抽样中，平均能抽到具有该特征的个体数量。
期望公式：
$$
E(X) = n \cdot \frac{K}{N}
$$
其中：
- $ n $ 是抽取的样本数；
- $ K $ 是总体中具有该特征的个体数；
- $ N $ 是总体的总数。
解释：
期望值可以理解为，在不放回抽样中，每个样本被抽中的概率是 $ \frac{K}{N} $，因此 $ n $ 次抽样的期望就是 $ n $ 乘以这个概率。
三、超几何分布的方差
方差表示随机变量与其期望之间的偏离程度，反映了数据的离散性。
方差公式：
$$
\text{Var}(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1}
$$
其中：
- $ n $ 是抽取的样本数；
- $ K $ 是总体中具有该特征的个体数；
- $ N $ 是总体的总数。
解释：
与二项分布不同，超几何分布的方差多了一个修正因子 $ \frac{N - n}{N - 1} $，这是因为超几何分布是不放回抽样，样本之间存在相关性，导致方差比二项分布小。
四、超几何分布的期望与方差总结表
| 项目 | 公式 |
| 期望 $ E(X) $ | $ n \cdot \frac{K}{N} $ |
| 方差 $ \text{Var}(X) $ | $ n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1} $ |
五、总结
超几何分布的期望和方差是其重要的统计特性，能够帮助我们更好地理解和预测在不放回抽样中的结果变化情况。与二项分布相比，超几何分布由于考虑了不放回抽样的影响，其方差会更小，特别是在样本占总体比例较大的情况下更为明显。掌握这些公式有助于在实际问题中进行更准确的概率分析和统计推断。