【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有限总体中不放回抽样时成功次数的概率分布。它常用于抽样调查、质量控制等实际问题中。本文将对超几何分布的期望与方差进行总结，并以表格形式展示其计算公式及意义。
一、超几何分布的基本概念
超几何分布适用于以下场景：从一个包含 $ N $ 个个体的总体中，其中有 $ K $ 个“成功”个体（如合格品），其余为“失败”个体。从中随机抽取 $ n $ 个样本，不放回地进行抽样，那么抽到的“成功”个体数量服从超几何分布。
记 $ X $ 表示在 $ n $ 次不放回抽样中获得的“成功”次数，则 $ X \sim H(N, K, n) $。
二、超几何分布的期望与方差
1. 期望（Expected Value）
超几何分布的期望表示在 $ n $ 次抽样中平均能抽到的“成功”次数。其公式为：
$$
E(X) = n \cdot \frac{K}{N}
$$
其中：
- $ n $：抽取的样本数；
- $ K $：总体中的成功数；
- $ N $：总体的总数。
解释：期望值反映了在不放回抽样下，抽到“成功”个体的平均数量，与二项分布的期望类似，但考虑了不放回带来的影响。
2. 方差（Variance）
超几何分布的方差衡量的是抽到“成功”次数的波动程度。其公式为：
$$
Var(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1}
$$
其中：
- $ n $：抽取的样本数；
- $ K $：总体中的成功数；
- $ N $：总体的总数。
解释：相比二项分布，超几何分布的方差多了一个修正因子 $ \frac{N - n}{N - 1} $，这体现了不放回抽样的影响，使得方差小于对应的二项分布。
三、总结与对比
| 项目 | 公式 | 解释 |
| 期望 | $ E(X) = n \cdot \frac{K}{N} $ | 抽到“成功”个体的平均次数 |
| 方差 | $ Var(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1} $ | 反映“成功”次数的波动性，考虑不放回影响 |
四、实际应用举例
假设某工厂有 100 件产品，其中 20 件是正品。现从中随机抽取 10 件，不放回。求抽到正品的期望和方差。
- $ N = 100 $, $ K = 20 $, $ n = 10 $
- 期望：$ E(X) = 10 \times \frac{20}{100} = 2 $
- 方差：$ Var(X) = 10 \times \frac{20}{100} \times \left(1 - \frac{20}{100}\right) \times \frac{100 - 10}{100 - 1} = 1.6 \times \frac{90}{99} \approx 1.45 $
由此可见，在这种情况下，平均会抽到 2 件正品，且波动性较小。
五、结语
超几何分布是处理有限总体不放回抽样问题的重要工具，其期望和方差的计算方法在实际中具有广泛的应用价值。理解其数学表达有助于更好地掌握统计分析的核心思想。