【二项分布超几何分布的均值和方差公式是什么】在概率统计中，二项分布和超几何分布是两种常见的离散型概率分布，它们都用于描述成功或失败事件的发生次数。虽然两者在某些方面相似，但在应用场景和数学性质上存在明显差异。本文将对这两种分布的均值和方差进行总结，并通过表格形式直观展示。
一、二项分布
二项分布适用于独立重复试验中，每次试验只有两种可能结果（成功或失败），且每次试验的成功概率相同的情况。设随机变量 $ X $ 表示在 $ n $ 次独立试验中成功的次数，每次试验的成功概率为 $ p $，则 $ X $ 服从参数为 $ (n, p) $ 的二项分布，记作 $ X \sim B(n, p) $。
- 均值（期望）：
$$
E(X) = np
$$
- 方差：
$$
Var(X) = np(1-p)
$$
二、超几何分布
超几何分布适用于不放回抽样情形，即从有限总体中抽取样本时，每次抽样的结果会影响后续抽样。设总体中有 $ N $ 个个体，其中 $ K $ 个是“成功”个体，从中抽取 $ n $ 个样本，设 $ X $ 表示这 $ n $ 个样本中“成功”的数量，则 $ X $ 服从参数为 $ (N, K, n) $ 的超几何分布，记作 $ X \sim H(N, K, n) $。
- 均值（期望）：
$$
E(X) = n \cdot \frac{K}{N}
$$
- 方差：
$$
Var(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1}
$$
三、对比总结
为了更清晰地了解二项分布与超几何分布的均值和方差，以下是一个对比表格：
| 分布类型 | 均值（期望） | 方差 |
| 二项分布 $ B(n, p) $ | $ np $ | $ np(1-p) $ |
| 超几何分布 $ H(N, K, n) $ | $ n \cdot \frac{K}{N} $ | $ n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1} $ |
四、总结
二项分布和超几何分布在实际应用中各有侧重。二项分布适用于独立重复试验，而超几何分布适用于无放回抽样。它们的均值计算方式类似，但超几何分布的方差引入了有限总体校正因子 $ \frac{N - n}{N - 1} $，以反映抽样过程中样本之间的依赖关系。
掌握这两个分布的均值和方差公式，有助于更好地理解和分析实际问题中的概率现象。
