Когда следует использовать гипергеометрическое распределение вместо биномиального?

Используйте гипергеометрическое распределение при выборке без возвращения из конечной популяции, особенно когда размер выборки составляет значительную часть популяции. Используйте биномиальное распределение при выборке с возвращением или когда популяция настолько велика, что удаление элементов существенно не меняет вероятности.

Какова формула гипергеометрического распределения?

Функция вероятности (PMF) имеет вид P(X = k) = C(K, k) умножить на C(N минус K, n минус k), деленное на C(N, n), где C(a, b) — биномиальный коэффициент (число сочетаний из a по b), N — размер популяции, K — количество успешных состояний, n — количество выборок, а k — наблюдаемое количество успехов.

Каковы математическое ожидание и дисперсия гипергеометрического распределения?

Математическое ожидание равно nK/N. Дисперсия равна n умножить на K/N, на (N минус K)/N и на (N минус n)/(N минус 1). Множитель (N минус n)/(N минус 1) называется поправкой на конечность популяции и учитывает выборку без возвращения.

Каковы общие области применения гипергеометрического распределения?

Общие области применения включают контроль качества и приемочный контроль на производстве, расчеты вероятностей в карточных играх, шансы в лотереях, экологические методы отлова и повторного отлова для оценки популяций диких животных, а также статистическую проверку гипотез, такую как точный тест Фишера.

Калькулятор Гипергеометрического Распределения

Рассчитайте вероятности гипергеометрического распределения для выборки без возвращения. Введите размер популяции, количество успешных элементов, объем выборки и наблюдаемые успехи, чтобы получить точные вероятности, кумулятивные значения, графики PMF, пошаговые решения и визуализации урн.

📌 Попробуйте сценарий:

N — Размер популяции Общее число элементов

K — Кол-во успехов Успехи в популяции (≤ N)

n — Число выборок Извлечено без возвращения

k — Наблюдаемые успехи Успехи в выборке

Все значения должны быть неотрицательными целыми числами. K ≤ N, n ≤ N, и k должно быть достижимо при данных параметрах.

Embed Калькулятор Гипергеометрического Распределения Widget

О Калькулятор Гипергеометрического Распределения

Калькулятор гипергеометрического распределения вычисляет точные вероятности для сценариев выборки без возвращения. Введите размер популяции (N), количество успешных элементов (K), количество выборок (n) и желаемое количество успехов (k), чтобы мгновенно получить точечные и кумулятивные вероятности с пошаговыми комбинаторными решениями и интерактивными визуализациями.

Что такое гипергеометрическое распределение?

Гипергеометрическое распределение — это дискретное распределение вероятностей, которое описывает количество успехов в последовательности из n выборок из конечной популяции размером N, содержащей ровно K успешных элементов, извлеченных без возвращения. В отличие от биномиального распределения, которое предполагает независимость каждого испытания, гипергеометрическое распределение учитывает тот факт, что каждое извлечение меняет состав оставшейся популяции.

Формула функции вероятности (PMF)

Функция вероятности (PMF) имеет вид:

P(X = k) = C(K, k) × C(N − K, n − k) / C(N, n)

Где C(a, b) = a! / (b! × (a − b)!) — биномиальный коэффициент («число сочетаний из a по b»). Числитель подсчитывает количество благоприятных способов выбора k успехов из K и (n − k) неудач из (N − K). Знаменатель подсчитывает все возможные способы извлечения n элементов из N.

Объяснение параметров

N (Размер популяции) — Общее количество элементов в популяции.
K (Успешные состояния) — Количество элементов, классифицируемых как «успех» в популяции.
n (Количество выборок) — Сколько элементов извлекается без возвращения.
k (Наблюдаемые успехи) — Конкретное количество успехов, вероятность которых вы хотите найти.

Математическое ожидание, дисперсия и стандартное отклонение

Для гипергеометрической случайной величины X:

Математическое ожидание: μ = nK / N
Дисперсия: σ² = n × (K/N) × ((N−K)/N) × ((N−n)/(N−1))
Стандартное отклонение: σ = √σ²

Множитель (N − n) / (N − 1) называется поправкой на конечность популяции. Он уменьшает дисперсию по сравнению с биномиальным распределением, отражая тот факт, что выборка без возвращения менее изменчива, чем выборка с возвращением.

Гипергеометрическое vs. Биномиальное распределение

Гипергеометрическое: Выборка без возвращения из конечной популяции. Каждое извлечение меняет вероятность следующего.
Биномиальное: Выборка с возвращением (или из бесконечной популяции). Каждое испытание имеет одинаковую вероятность.
Когда популяция очень велика по сравнению с выборкой (N ≫ n), гипергеометрическое распределение приближается к биномиальному.

Общие области применения

Контроль качества — Какова вероятность обнаружения ровно 3 дефектных изделий при проверке 30 единиц из партии в 500 штук, содержащей 20 дефектных?
Карточные игры — Какова вероятность того, что в покере из 5 карт из стандартной колоды в 52 листа выпадет ровно 2 червы?
Анализ лотерей — Каковы шансы совпадения определенного количества выпавших чисел?
Экология (Метод отлова-повторного отлова) — Оценка численности диких животных путем мечения и повторного отлова.
Статистическое тестирование — Точный тест Фишера использует гипергеометрическое распределение для проверки независимости в таблицах сопряженности 2×2.

Как использовать этот калькулятор

Введите размер популяции N (общее количество элементов).
Введите количество успешных состояний K (должно быть ≤ N).
Введите количество выборок n (должно быть ≤ N).
Введите наблюдаемые успехи k (должно быть достижимо при данных параметрах).
Нажмите «Рассчитать вероятность», чтобы увидеть точные и кумулятивные вероятности, пошаговые решения, гистограмму PMF и визуализацию модели урны.

Часто задаваемые вопросы

Для чего используется гипергеометрическое распределение?

Гипергеометрическое распределение используется всякий раз, когда вы делаете выборку из конечной популяции без возвращения и хотите узнать вероятность извлечения определенного количества элементов с конкретной характеристикой. Основные случаи использования включают проверку качества, вероятности в карточных играх, шансы в лотерее и экологические исследования популяций.

Чем гипергеометрическое распределение отличается от биномиального?

Ключевое отличие заключается в возвращении элементов. Биномиальное распределение предполагает независимые испытания (с возвращением), в то время как гипергеометрическое моделирует зависимые извлечения (без возвращения). Когда популяция намного больше выборки, два распределения сходятся.

Каковы допустимые диапазоны для k?

Наблюдаемые успехи k должны удовлетворять условию: max(0, n − (N − K)) ≤ k ≤ min(n, K). Нижняя граница гарантирует, что для оставшихся выборок достаточно неудачных элементов, а верхняя — что вы не превысите количество доступных успехов или общее число выборок.

Можно ли использовать это для точного теста Фишера?

Да. Точный тест Фишера вычисляет вероятности с использованием гипергеометрического распределения. Если у вас есть таблица сопряженности 2×2, вы можете использовать этот калькулятор для вычисления вероятности наблюдения данных значений ячеек при нулевой гипотезе о независимости.

Что такое поправка на конечность популяции?

Множитель (N − n) / (N − 1) в формуле дисперсии учитывает выборку без возвращения. Он всегда уменьшает дисперсию по сравнению с биномиальным распределением. Когда n мало относительно N, этот множитель близок к 1, и поправка незначительна.

Ссылайтесь на этот контент, страницу или инструмент так:

"Калькулятор Гипергеометрического Распределения" на сайте https://ru.miniWebtool.com/калькулятор-гипергеометрического-распределения/ от MiniWebtool, https://MiniWebtool.com/

команда miniwebtool. Обновлено: 2026-04-13

Вы также можете попробовать наш AI Решатель Математических Задач GPT, чтобы решить ваши математические проблемы с помощью вопросов и ответов на естественном языке.