二项分布与超几何分布专题训练

二项分布与超几何分布专题训练在概率统计的广阔领域中，二项分布与超几何分布是描述离散型随机变量的两种重要模型。它们在实际问题中有着广泛的应用，从产品质量检验到生物实验设计，从风险评估到市场调研，都能看到它们的身影。深刻理解这两种分布的内涵、联系与区别，不仅是理论学习的要求，更是解决实际问题的关键。本专题训练将带你系统梳理这两种分布的核心知识点，并通过实例分析与练习，提升运用它们解决实际问题的能力。一、二项分布：独立重复试验的概率模型1.1二项分布的定义与核心特征二项分布刻画的是在n次独立重复试验中，某事件发生次数的概率分布。这里的“独立”意味着每次试验的结果互不影响，“重复”则表示每次试验中该事件发生的概率保持不变，通常记为p（我们称之为“成功”概率，相对地，不发生的概率为q=1-p，称为“失败”概率）。若随机变量X表示n次独立重复试验中“成功”的次数，则X服从参数为n和p的二项分布，记为X~B(n,p)。1.2二项分布的概率公式对于X~B(n,p)，其概率质量函数（PMF）为：P(X=k)=C(n,k)*p^k*q^(n-k)，其中k=0,1,2,...,n。这里，C(n,k)是组合数，表示从n次试验中选出k次“成功”的组合方式数目。这个公式的直观意义是：在n次试验中，恰好有k次成功且n-k次失败的概率，等于这种特定结果序列的概率（p^k*q^(n-k)）乘以所有可能的序列数目（C(n,k)）。1.3二项分布的期望与方差二项分布的期望（均值）E(X)=n*p，方差Var(X)=n*p*q。这两个公式简洁明了，也符合我们的直观理解：进行n次试验，每次成功概率p，平均成功次数自然是n*p；而方差则反映了成功次数的离散程度，与试验次数、成功概率及其对立概率均相关。二、超几何分布：不放回抽样的概率模型2.1超几何分布的定义与核心特征超几何分布描述的是从一个由有限个个体组成的总体中，进行不放回抽样时，抽出的样本中具有某种特定特征的个体数量的概率分布。具体来说，设总体共有N个个体，其中具有某种特征的个体有M个（即“成功”个体数），不具有该特征的个体有N-M个（即“失败”个体数）。从中不放回地随机抽取n个个体作为样本，则样本中具有该特征的个体数X服从参数为N,M,n的超几何分布，记为X~H(N,M,n)。2.2超几何分布的概率公式对于X~H(N,M,n)，其概率质量函数为：P(X=k)=[C(M,k)*C(N-M,n-k)]/C(N,n)，其中k为整数，且max(0,n-(N-M))≤k≤min(M,n)。这个公式的含义是：从M个成功个体中选k个，同时从N-M个失败个体中选n-k个，所有这些可能的组合数除以从总体N个个体中选n个的总组合数，即为恰好抽到k个成功个体的概率。2.3超几何分布的期望与方差超几何分布的期望E(X)=n*(M/N)。有趣的是，这与二项分布的期望形式上颇为相似，n相当于试验次数，而M/N则相当于每次“成功”的概率。其方差Var(X)=n*(M/N)*(1-M/N)*[(N-n)/(N-1)]。这里，[(N-n)/(N-1)]被称为有限总体校正因子，当N很大时，这个因子近似为1，此时超几何分布的方差也与二项分布的方差n*p*q（其中p=M/N，q=1-p）非常接近。三、二项分布与超几何分布的联系与区别3.1核心区别：抽样方式与独立性二项分布与超几何分布最根本的区别在于抽样方式以及由此导致的试验独立性。*二项分布：基于有放回抽样（或总体无限大时的不放回抽样，此时每次抽样后总体构成不变）。每次试验是独立的，成功概率p保持恒定。*超几何分布：基于不放回抽样。每次抽样后，总体的构成发生变化，因此各次试验（抽样）不是独立的，成功的概率会随着前一次的结果而改变。3.2内在联系：超几何分布的二项近似当总体容量N远大于样本容量n（通常认为N≥10n或N≥20n时近似效果已较好）时，不放回抽样与有放回抽样的差异变得非常微小。此时，超几何分布H(N,M,n)可以用二项分布B(n,p)来近似，其中p=M/N。这是因为，当N很大而n较小时，每次不放回抽样对总体中成功个体比例M/N的影响可以忽略不计，每次抽样的成功概率近似为常数p=M/N，各次抽样也近似独立。此时，超几何分布的方差校正因子[(N-n)/(N-1)]也近似为1。这种近似在实际应用中非常有用，因为二项分布的计算往往比超几何分布更为简便，尤其是当N很大时。四、典型例题分析例题1（二项分布应用）某射手每次射击命中目标的概率为0.8，现独立射击5次。求：(1)恰好命中3次的概率；(2)至少命中2次的概率；(3)命中次数的期望与方差。分析：每次射击是独立试验，只有命中（成功）和未命中（失败）两种结果，且每次命中概率0.8恒定。因此，命中次数X~B(5,0.8)。解答：(1)P(X=3)=C(5,3)*(0.8)^3*(0.2)^2=10*0.512*0.04=0.2048。(2)P(X≥2)=1-P(X=0)-P(X=1)。P(X=0)=C(5,0)*(0.8)^0*(0.2)^5=1*1*0.____=0.____。P(X=1)=C(5,1)*(0.8)^1*(0.2)^4=5*0.8*0.0016=0.0064。故P(X≥2)=1-0.____-0.0064=0.____。(3)E(X)=5*0.8=4。Var(X)=5*0.8*0.2=0.8。例题2（超几何分布应用与二项近似）一个盒子中装有100个零件，其中有5个次品。现从中随机不放回地抽取10个零件进行检验。(1)求抽到的次品数X的分布；(2)求恰好抽到1个次品的概率；(3)若该盒子中有1000个零件，其中仍有50个次品（次品率不变），同样抽取10个，再求恰好抽到1个次品的概率，并与(2)的结果比较，体会近似效果。分析：(1)总体N=100，次品数M=5，样本容量n=10。显然是不放回抽样，故X~H(100,5,10)。(2)直接应用超几何分布公式计算。(3)此时N=1000，M=50，n=10。次品率p=M/N=50/1000=0.05。由于N很大，n相对较小，可用二项分布B(10,0.05)近似计算。解答：(1)X服从超几何分布H(100,5,10)。(2)P(X=1)=[C(5,1)*C(95,9)]/C(100,10)。（具体数值可通过组合数计算或查表得到，此处略去繁琐计算过程，重点在于模型识别）(3)用二项分布B(10,0.05)近似，P(X=1)≈C(10,1)*(0.05)^1*(0.95)^9≈10*0.05*0.6302≈0.3151。若用超几何分布精确计算（此处假设可计算），其结果会与0.3151非常接近，这表明当N很大时，近似效果良好。四、练习题1.选择题：已知一批产品的合格率为90%，从中有放回地抽取5件进行检验，则抽到的合格产品数服从（）A.超几何分布B.二项分布C.泊松分布D.均匀分布（思考：有放回抽样，独立，成功概率恒定，故选B）2.计算题：一个口袋中有6个红球和4个白球，从中不放回地任取3个球，求取出红球数X的概率分布列，并计算其期望。（提示：X~H(10,6,3)，分别计算k=0,1,2,3时的概率，期望E(X)=3*(6/10)=1.8）3.辨析与计算：某班级有30名学生，其中女生12名。现随机选取5名学生参加某项活动。(a)若选取是不放回的，求选出的女生人数Y的分布类型及恰好选出2名女生的概率。(b)若班级人数非常多（远大于5），女生比例仍为12/30=0.4，此时选出的女生人数Y近似服从什么分布？并据此近似计算恰好选出2名女生的概率。（提示：(a)超几何分布H(30,12,5)；(b)二项分布B(5,0.4)，计算P(Y=2)）五、总结与展望二项分布与超几何分布是离散概率模型中的基础与重点。准确理解它们各自的适用场景——二项分布对应独立重复的伯努利试验（有放回抽样或无限总体），超几何分布对应有限总体的不放回抽样——是正确运用的前提。同时，把握两者在期望形式上的相似性以及超几何分布在大总体下