1、超几何分布是统计学带巧上一种离散概率分布，它描述了从有限N个物件(其中包含M个指定种类的物件)中抽出n个物件，成功抽出该指定种类塌行型的物件的次数(不放回)，称为超几何分布，是因为团猜其形式与“超几何函数”的级数展式的系数有关。

2、超几何分布中的参数是M,N,n，上述超几何分布记作X~H(n,M,N)。

1、超几何分布是一种概率分布，用于描述从有限总体中抽取固定数量的样本，其中样本中具有某种属性的数量是固定的。

2、超几何分布通常用于描述在没有替换的情况下从有限总体中抽取固定数量的样本，其中总体中具有某种属性的数量是已知的。

3、具体来说，超几何分布有三个参数、总体大小$N$，其中具有某种属性的元素数量$K$，以及要从总体中抽取的样本数量$n$。

4、超几何分布的概率质量函数为、$$P(X=x)=frac{inom{K}{x}inom{N-K}{n-x}}{inom{N}{n}}$$其中$X$表示样本中具有某种属性的元素数量，$inom{a}{b}$表示从$a$个元素中选择$b$个元素的组合数。

5、超几何分布的期望和方差分别为、$$E(X)=frac{nK}{N}$$$$Var(X)=frac{nK(N-K)(N-n)}{N^2(N-1)}$$超几何分布可以用于模拟从有限总体中抽取样本的过程，例如在质量控制中对从生产线抽取的产品进行抽样检验，以确定其中有多少次品。

1、你可以这样来理解超几何分布,它只是一个祥信裂名词,就像几何分布一样,是有条件的,也有公式.就像什么事等差数列,等比数列谨闭一样,只是他的条件和公坦扒式相对复杂一些,不要被他吓到.。

1、你可以这样来理解超几何分布,它只是一个祥信裂名词,就像几何分布一样,是有条件的,也有公式.就像什么事等差数列,等比数列谨闭一样,只是他的条件和公坦扒式相对复杂一些,不要被他吓到.。

1、你可以这样来理解超几何分布,它只是一个祥信裂名词,就像几何分布一样,是有条件的,也有公式.就像什么事等差数列,等比数列谨闭一样,只是他的条件和公坦扒式相对复杂一些,不要被他吓到.。

1、超几何分布是统计学上一种离散概率分布察薯。

2、它描述了由有限个物件中抽出n个物件，成功抽出指定种类的物件的次数(不归还)。

3、在产品质量的不放回抽检中，若n件产品中有m件次品，抽检n件时所得次品数x=k则p(x=k)=c(mk)·c(n-mn-k)/c(nn)，c(ab)为古典概型的组合形式，a为下限，b为上限此时我们称随机变量x服从超几何分布1)超几猜没山何分布的模型是不放回抽样2)超几何分穗中布中的参数是m,n,n上述超几何分布记作x~h(n，m，n)。

1、几何分布的期望和方差是EX=nM/N。

2、超几何分布是统计学上一种离散概率分布。

3、它描述了从有限N个物件(其中包含M个指定种类的物件)中抽出n个物件，成功抽出该指定种类的物件的次数(不放回)。

4、称为超几何分布，是因为其形式与“超几何函数”的级数展式的系数有关，超几何分布中的参数是M，N，n，上述超几何分布记作X-H(n，M，N)。

5、统计学意义当数据分布比较分散(即数据在平均数附近波动较大)时，各个数据与平均数的差的平方和较大，方差就较大。

6、当数据分布比较集中时，各个数据与平均数的差的平方和较小。

7、因此方差越大，数据的波动越大。

8、方差越小，数据的波动就越小。

9、样本中各数据与样本平均数的差的平方和的平均数叫做样本方差。

10、样本方差的算术平方根叫做样本标准差。

11、样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。

1、做某事件次数（也叫试验次数）是固定的，用n表示 （例如抛硬币3次，表白5次），。

2、每一次事件都有两个可能的结果（成功，或者失败）（例如每一次抛硬币有2个结果：正面表示成功，反面表示失败。每一次表白有2个结果：表白成功，表白失败）。。

3、每一次“成功”的概率都是相等的，成功的概率用p表示（例如每一次抛硬币正面朝上的概率都是1/假设你是初出茅庐的小伙子，还不是老油条，所以你表白每一次成功的概率是一样的）。

4、你感兴趣的是，进行x次尝试这个事情，取得第1次成功的概率是多大。（例如你在玩抛硬币的游戏，想知道抛5次硬币，只有第5次（就是滴1次成功）正面朝上的概率是多大。。

1、超几何分布是统计学上一种离散概率分布。

2、它描述了从有限N个物件(其中包含M个指定种类的物件)中抽出n个物件，成功抽出该指定种类的物件的次数(不放回)。

3、称为超几何分布，是因为其形式与“超几何函数”的级数展式的系数有关。

4、二项分布是n个独立的成功/失败试验中成功的次数的离散概率分布，其中每次试验的成功概率为p。

5、这样的单次成功/失败试验又称为伯努利试验。

6、扩展资料、对于固定的n以及p，当k增加时，概率P{X=k}先是随之增加直至达到大值，随后单调减少。

7、可以证明，一般的二项分布也具有这一性质，且、当(n+1)p不为整数时，二项概率P{X=k}在k=((n+1)p)时达到大值。

8、当(n+1)p为整数时，二项概率P{X=k}在k=(n+1)p和k=(n+1)p-1时达到大值。