【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），且每次成功的概率相同。设随机变量 $ X $ 表示在 $ n $ 次独立试验中成功发生的次数，每次成功的概率为 $ p $，则 $ 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
超几何分布用于描述在不放回抽样中，某类个体被抽中的次数。它适用于有限总体中的抽样问题，其中样本抽取后不再放回。设随机变量 $ X $ 表示在从一个包含 $ N $ 个个体的总体中抽取 $ n $ 个样本时，有 $ K $ 个“成功”个体被抽中的次数，则 $ 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
| 分布类型 | 均值（期望） | 方差 |
| 二项分布 | $ np $ | $ np(1 - p) $ |
| 超几何分布 | $ n \cdot \frac{K}{N} $ | $ n \cdot \frac{K}{N} \cdot (1 - \frac{K}{N}) \cdot \frac{N - n}{N - 1} $ |
四、小结
二项分布和超几何分布在计算均值和方差时，虽然都有类似的形式，但超几何分布的方差中多了一个修正因子 $ \frac{N - n}{N - 1} $，这是由于其抽样方式为不放回，导致样本之间存在相关性。而二项分布假设每次试验相互独立，因此没有这个修正项。
理解这两者的区别有助于在实际问题中选择合适的模型，提高统计分析的准确性。