超几何分布是一种用于描述“从有限总体里不放回抽取样本时，抽到某类目标数量的概率”的离散概率模型。通俗理解：如果有一批物品，总数是 N，其中目标物品有 K 个，现在一次性抽取 n 个，并且抽出的物品不放回，那么抽到的目标物品数量 X 服从超几何分布。它的核心作用是把“每次抽中目标概率会随抽取过程变化”这件事，用组合计数方式准确表达出来。常用参数包括 N、K、n 和 X，其中 N 是总体数量，K 是目标数量，n 是抽取数量，X 是实际抽到的目标数量。
一、核心定义
超几何分布回答的问题是：在有限总体中进行不放回抽样时，抽到 k 个目标的概率有多大。
设定如下：
| 符号 | 含义 | 说明 |
|---|---|---|
| N | 总体总数 | 比如产品总数、学生总数、卡片总数 |
| K | 总体中的目标数量 | 比如合格品数、优等生数、红卡片数 |
| n | 抽取样本数量 | 从 N 个里取出 n 个 |
| X | 抽到的目标数量 | 实际落在样本里的目标数 |
| k | X 的取值 | 可能取 0、1、2、…，具体由 n 和 K 决定 |
简单说，超几何分布关注的是“一次抽样里有多少个目标”。
二、概率公式
超几何分布的概率公式为：
P(X = k) = C(K, k) × C(N − K, n − k) / C(N, n)
其中：
| 组合项 | 含义 |
|---|---|
| C(K, k) | 从 K 个目标里选出 k 个目标的方法数 |
| C(N − K, n − k) | 从非目标数量里选出剩余样本数量的方法数 |
| C(N, n) | 从总体 N 个里选出 n 个样本的总方法数 |
直白解释：分子是“符合目标数量情况的所有组合数”，分母是“所有可能抽样组合数”。二者相除，就是抽到 k 个目标的概率。
三、参数取值范围
在超几何分布中，常见取值关系如下：
| 项目 | 常见表达 |
|---|---|
| 总体数量 N | N 是正整数 |
| 目标数量 K | K 是整数，且 K 不超过 N |
| 抽取数量 n | n 是整数，且 n 不超过 N |
| 抽到目标数 k | k 可取整数，通常满足 max(0, n − N + K) ≤ k ≤ min(n, K) |
这个取值关系保证计算结果是合理的组合数。
四、计算步骤
用超几何分布计算概率时，可按下面步骤执行：
- 确定总体数量 N。
- 确定目标数量 K。
- 确定抽取数量 n。
- 确定想要查询的目标数量 k。
- 计算 C(K, k)。
- 计算 C(N − K, n − k)。
- 计算 C(N, n)。
- 代入公式：
P(X = k) = C(K, k) × C(N − K, n − k) / C(N, n)。
五、例子说明
场景：一个箱子里有 10 个球，其中 3 个是红球，7 个是蓝球。现在不放回抽取 4 个球，问抽到 2 个红球的概率是多少。
参数如下：
| 参数 | 数值 | 含义 |
|---|---|---|
| N | 10 | 球的总数 |
| K | 3 | 红球数量 |
| n | 4 | 抽取数量 |
| k | 2 | 希望抽到的红球数量 |
计算：
P(X = 2) = C(3, 2) × C(7, 2) / C(10, 4)
逐步：
| 步骤 | 表达式 | 结果 |
|---|---|---|
| 从 3 个红球选 2 个 | C(3, 2) | 3 |
| 从 7 个蓝球选 2 个 | C(7, 2) | 21 |
| 从 10 个球选 4 个 | C(10, 4) | 210 |
| 概率 | 3 × 21 / 210 | 0.3 |
结论：抽到 2 个红球的概率是 0.3。
六、期望与方差
超几何分布常用两个数字特征：
| 数字特征 | 公式 | 含义 |
|---|---|---|
| 期望 | E(X) = n × K / N | 平均抽到的目标数量 |
| 方差 | Var(X) = n × K / N × (1 − K / N) × (N − n) / (N − 1) | 描述目标数量的波动程度 |
直白理解：
- 如果总体里目标占比是 K/N，那么抽 n 个时，平均目标数就是 n × K/N。
- 方差部分体现了不放回抽样带来的总体数量影响，当总体 N 很大时，这个影响会变小。
七、和二项分布的关系
| 项目 | 超几何分布 | 二项分布 |
|---|---|---|
| 抽样方式 | 不放回 | 放回或近似独立 |
| 每次抽中目标的概率 | 会随抽取过程变化 | 保持固定 p |
| 总体规模 | 明确给出 N | 可视为无限总体 |
| 常用场景 | 有限总体抽样 | 重复独立试验 |
| 近似关系 | 当 N 很大且抽样占比较小时，可近似为二项分布 | 可作为不放回抽样的近似模型 |
更直白地说：
超几何分布适合“总数有限、抽完不放回”的情况；二项分布适合“每次抽中概率稳定、独立重复”的情况。当总体很大、抽取数量相对较小时，超几何分布常常可以用二项分布来近似。
八、适用场景
超几何分布适合这些情况：
- 从一批产品中抽取若干件，统计其中目标类别的数量。
- 从有限学生名单中抽取若干人，统计某类特征人数。
- 从一副牌中一次性抽若干张，统计某类牌的数量。
- 从有限样本池中抽取若干样本，分析某类样本出现数量。
- 在质量控制、抽样调查、教学统计、概率教学中描述有限总体抽样结果。
九、理解要点
| 要点 | 解释 |
|---|---|
| 不放回 | 每次抽取后，总体数量会减少 |
| 总体有限 | 需要知道 N 和 K |
| 一次抽取 n 个 | 可看作一次性抽取多个 |
| 关心目标数量 | 随机变量 X 表示抽到的目标数 |
| 用组合数计算 | 概率来自“有利组合数除以总组合数” |
【常见问题】
问题1：什么是超几何分布？
回答1：超几何分布是一种描述有限总体不放回抽样中目标数量概率的离散概率模型。如果总体数量为 N，目标数量为 K，抽取数量为 n，抽到目标数量为 X，那么 X 可以服从超几何分布。超几何分布的核心关键词是不放回、有限总体、目标数量概率。
问题2：超几何分布的概率公式是什么？
回答2：超几何分布的概率公式是 P(X = k) = C(K, k) × C(N − K, n − k) / C(N, n)。这个公式的含义是：从 K 个目标里选 k 个目标，再从 N − K 个非目标里选 n − k 个非目标，最后用总体中选 n 个的总方法数 C(N, n) 做分母。使用超几何分布概率公式时，关键是把 N、K、n、k 找准确。
问题3：超几何分布和二项分布有什么区别？
回答3：超几何分布强调有限总体和不放回抽样，二项分布强调独立重复试验和固定概率。超几何分布每次抽中目标的概率会随着抽取过程变化，而二项分布每次试验的成功概率通常保持固定。当总体数量 N 很大，并且抽取数量 n 相对较小时，超几何分布可以近似看作二项分布。
问题4：超几何分布的期望怎么理解？
回答4：超几何分布的期望公式是 E(X) = n × K / N。它的含义是：如果总体中目标占比是 K/N，抽取 n 个样本，那么平均抽到的目标数量就是 n × K/N。超几何分布的期望可以直观理解为“按目标占比估计抽到的平均目标数”。
问题5：什么时候适合使用超几何分布？
回答5：当抽样对象来自有限总体，并且抽样过程是不放回时，适合使用超几何分布。典型场景包括产品抽检、从名单中抽取人员、从一副牌中抽牌、从有限样本池中选取样本等。只要核心逻辑是“总体数量明确、目标数量明确、抽取若干样本、统计目标数量”，超几何分布就是常用工具。
