【超几何分布的方差公式】在概率论与数理统计中，超几何分布是一种描述在不放回抽样情况下成功次数的概率分布。它常用于有限总体中进行抽样的问题，例如从一批产品中抽取样本进行质量检测等。了解超几何分布的方差有助于更准确地评估其数据的波动性。
一、超几何分布简介
超几何分布适用于以下情况：
- 总体中有 $ N $ 个个体；
- 其中 $ K $ 个是“成功”（如合格品）；
- 从中随机抽取 $ n $ 个个体（不放回）；
- 设 $ X $ 表示这 $ n $ 个个体中“成功”的数量，则 $ X \sim H(N, K, n) $。
二、超几何分布的方差公式
超几何分布的方差公式为：
$$
\text{Var}(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1}
$$
其中：
- $ N $：总体大小；
- $ K $：成功个体数；
- $ n $：抽取样本数；
- $ \frac{K}{N} $：总体中成功的概率；
- $ \frac{N - n}{N - 1} $：有限总体修正因子，表示不放回抽样带来的影响。
三、方差公式的解释
1. 基本形式：
超几何分布的方差与二项分布类似，但多了一个修正因子 $ \frac{N - n}{N - 1} $，这是因为不放回抽样导致样本之间存在相关性。
2. 修正因子的作用：
当样本容量 $ n $ 接近总体容量 $ N $ 时，该因子会显著减小方差，说明样本之间的依赖性增强，数据波动变小。
3. 与二项分布的对比：
若为有放回抽样，即服从二项分布，则方差为 $ np(1-p) $，而超几何分布的方差比它小，因为不放回抽样减少了重复的可能性。
四、总结表格
| 项目 | 内容 |
| 分布名称 | 超几何分布 |
| 参数 | $ N $（总体数量），$ K $（成功数量），$ n $（抽取样本数） |
| 概率质量函数 | $ P(X = k) = \frac{\binom{K}{k} \binom{N-K}{n-k}}{\binom{N}{n}} $ |
| 数学期望 | $ E(X) = n \cdot \frac{K}{N} $ |
| 方差公式 | $ \text{Var}(X) = n \cdot \frac{K}{N} \cdot \left(1 - \frac{K}{N}\right) \cdot \frac{N - n}{N - 1} $ |
| 特点 | 不放回抽样，样本间存在相关性，方差小于二项分布 |
五、应用实例（简要）
假设某工厂有 100 件产品，其中有 20 件是次品。现从中随机抽取 10 件，求次品数的方差。
- $ N = 100 $, $ K = 20 $, $ n = 10 $
- 方差 = $ 10 \cdot \frac{20}{100} \cdot \left(1 - \frac{20}{100}\right) \cdot \frac{100 - 10}{100 - 1} $
- 计算结果约为：$ 10 \cdot 0.2 \cdot 0.8 \cdot \frac{90}{99} \approx 1.45 $
通过以上分析可以看出，超几何分布的方差不仅反映了样本的随机性，还考虑了不放回抽样的特性，因此在实际应用中具有重要意义。