{
  "id": "hypergeometric-distribution",
  "title": "超几何分布",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "超几何分布描述从有限总体中不放回随机抽取固定容量的样本时，样本中成功项的数量。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/hypergeometric-distribution/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/hypergeometric-distribution/",
      "json": "https://aiwiki.page/en/hypergeometric-distribution.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "超几何分布是一种离散概率分布，描述从有限总体中不放回抽取固定容量的样本时，样本中某一指定类型的个体数量。如果总体包含 \\(N\\) 个个体，其中 \\(K\\) 个被归类为成功项，且每个由 \\(n\\) 个不同个体组成的样本被抽中的概率都相同，那么样本中的成功项数就服从超几何分布。与二项分布不同，超几何分布考虑了抽取个体后不将其放回总体所引入的相依性。"
    },
    {
      "heading": "定义与概率质量函数",
      "text": "设：\n\n- \\(N\\) 为总体容量，且 \\(N\\geq 1\\)；\n- \\(K\\) 为总体中的成功项数，且 \\(0\\leq K\\leq N\\)；\n- \\(n\\) 为样本容量，且 \\(0\\leq n\\leq N\\)；\n- \\(X\\) 为样本中的成功项数。\n\n三个参数均为整数。一种常用记法是\n\n\\[X\\sim\\operatorname{Hypergeometric}(N,K,n),\\]\n\n不过，不同教材和软件包使用的参数顺序与名称可能有所不同。\n\n其概率质量函数为\n\n\\[\\Pr(X=x) = \\frac{\\binom{K}{x}\\binom{N-K}{n-x}} {\\binom{N}{n}},\\]\n\n其中整数取值需满足\n\n\\[\\max(0,n+K-N)\\leq x\\leq \\min(n,K).\\]\n\n其他情况下，概率为零。\n\n二项式系数 \\(\\binom{a}{b}\\) 表示从 \\(a\\) 个不同个体中选出 \\(b\\) 个的方式数。所有可能的无序样本共有 \\(\\binom{N}{n}\\) 个。一个恰好含有 \\(x\\) 个成功项的样本，需要从 \\(K\\) 个成功项中选出 \\(x\\) 个，再从 \\(N-K\\) 个失败项中选出 \\(n-x\\) 个，由此得到分子。\n\n当样本容量大到不可能全部由失败项组成时，取值范围的下界就尤为重要。例如，如果总体中只有三个失败项，而要抽取五个个体，那么样本中至少会有两个成功项。\n\n概率之和为 1 可由范德蒙德恒等式得出：\n\n\\[\\sum_x \\binom{K}{x}\\binom{N-K}{n-x} = \\binom{N}{n},\\]\n\n其中求和遍历 \\(x\\) 的所有允许取值。\n\n抽样假设\n\n定义中的关键条件是：所有大小为 \\(n\\) 的子集被选中的概率都相同。这就是不放回简单随机抽样的通常模型。\n\n总体中各个体的类别标签可以是固定的，而不必是随机的：仅样本选择过程中的随机性就足以产生这一分布。“成功”只是一个类别标签，并不一定表示理想的结果。\n\n仅有不放回抽样这一条件，还不足以保证可以使用超几何模型。如果某些个体比其他个体更容易被选中，或者个体是成群被选中的，那么普通超几何分布一般并不适用。"
    },
    {
      "heading": "示例",
      "text": "假设一批货物中有 20 个零件，其中 7 个为次品。从中等概率、不放回地抽取五个零件。如果 \\(X\\) 表示抽到的次品数，那么\n\n\\[X\\sim\\operatorname{Hypergeometric}(20,7,5).\\]\n\n恰好抽到两个次品的概率为\n\n\\[\\Pr(X=2) = \\frac{\\binom{7}{2}\\binom{13}{3}} {\\binom{20}{5}} = \\frac{6006}{15504} \\approx 0.3874.\\]\n\n至少抽到一个次品的概率，最方便的计算方法是利用补事件：\n\n\\[\\Pr(X\\geq 1) = 1-\\Pr(X=0) = 1-\\frac{\\binom{13}{5}}{\\binom{20}{5}} \\approx 0.9170.\\]\n\n在这里，成功概率为 \\(7/20\\) 的二项模型并不精确：取走一个次品后，剩余货物的构成就会发生变化。"
    },
    {
      "heading": "均值、方差与相依性",
      "text": "记 \\(p=K/N\\)。其期望值为\n\n\\[\\operatorname{E}[X]=np=n\\frac{K}{N}.\\]\n\n当 \\(N>1\\) 时，方差为\n\n\\[\\operatorname{Var}(X) = np(1-p)\\frac{N-n}{N-1}.\\]\n\n因子\n\n\\[\\frac{N-n}{N-1}\\]\n\n是对二项分布方差的有限总体修正因子。当样本相对于总体很小时，它接近 1；当抽取整个总体时，它变为 0。\n\n如果 \\(n=N\\)，样本中恰好有 \\(K\\) 个成功项，因此 \\(X=K\\) 的概率为 1。其他退化情形包括 \\(n=0\\)、\\(K=0\\) 和 \\(K=N\\)。当 \\(N=1\\) 时，对于每一种允许的样本容量，分布也都是退化的；此时方差为零，而不是直接代入公式后得到的未定义值。\n\n为什么方差小于二项分布的方差\n\n设想按顺序逐个抽取样本。如果第 \\(j\\) 次抽取成功，令 \\(I_j\\) 为 1，否则为 0。那么\n\n\\[X=\\sum_{j=1}^{n} I_j.\\]\n\n每个指示变量都服从成功概率为 \\(p\\) 的伯努利分布，但这些指示变量不具有统计独立性。对于不同的两次抽取 \\(i\\) 和 \\(j\\)，\n\n\\[\\operatorname{E}[I_iI_j] = \\frac{K(K-1)}{N(N-1)},\\]\n\n它们的协方差为\n\n\\[\\operatorname{Cov}(I_i,I_j) = -\\frac{p(1-p)}{N-1}.\\]\n\n一次抽取成功后，剩余总体中的成功项比例就会下降。将各指示变量的方差与两两之间的协方差相加，即可得到超几何分布的方差。\n\n当 \\(n>0\\) 时，样本比例 \\(\\widehat p=X/n\\) 是总体比例 \\(p\\) 的无偏估计量，且有\n\n\\[\\operatorname{Var}(\\widehat p) = \\frac{p(1-p)}{n}\\frac{N-n}{N-1}.\\]\n\n这一表达式描述的是在有限总体固定的条件下，由抽样设计带来的不确定性。"
    },
    {
      "heading": "分布函数与对称性",
      "text": "令\n\n\\[a=\\max(0,n+K-N), \\qquad b=\\min(n,K).\\]\n\n累积分布函数为\n\n\\[F(t) = \\sum_{x=a}^{\\min(\\lfloor t\\rfloor,b)} \\frac{\\binom{K}{x}\\binom{N-K}{n-x}} {\\binom{N}{n}},\\]\n\n其中，当 \\(t<a\\) 时，\\(F(t)=0\\)；当 \\(t\\geq b\\) 时，\\(F(t)=1\\)。\n\n以下几种变换很有用：\n\n- 交换成功与失败的标签。 如果 \\(X\\sim\\operatorname{Hypergeometric}(N,K,n)\\)，则\n\n\\[n-X\\sim\\operatorname{Hypergeometric}(N,N-K,n).\\]\n- 计算样本之外的成功项数。\n\n\\[K-X\\sim\\operatorname{Hypergeometric}(N,K,N-n).\\]\n- 交换 \\(K\\) 与 \\(n\\)。 以下两个分布\n\n\\[\\operatorname{Hypergeometric}(N,K,n) \\quad\\text{and}\\quad \\operatorname{Hypergeometric}(N,n,K)\\]\n\n完全相同。\n\n最后一个恒等关系可以通过将 \\(X\\) 看作一个固定子集与一个等概率选出的子集之间的交集大小来理解。"
    },
    {
      "heading": "与其他分布的关系及近似",
      "text": "条件二项分布表示\n\n设\n\n\\[Y\\sim\\operatorname{Binomial}(n,q), \\qquad Z\\sim\\operatorname{Binomial}(N-n,q)\\]\n\n相互独立，且 \\(0<q<1\\)。在给定 \\(Y+Z=K\\) 的条件下，\\(Y\\) 的条件分布为\n\n\\[Y\\mid(Y+Z=K) \\sim\\operatorname{Hypergeometric}(N,K,n).\\]\n\n这一条件将全部 \\(N\\) 个位置上的成功总数固定下来。共同的成功概率 \\(q\\) 会在条件概率中约去。\n\n二项近似\n\n当样本只占总体的一小部分时，取走一个个体只会使成功项比例发生轻微变化。因此，\n\n\\[X\\approx\\operatorname{Binomial}\\left(n,\\frac KN\\right).\\]\n\n更严格地说，对于固定的 \\(n\\)，如果 \\(N\\) 趋于无穷且 \\(K/N\\to p\\)，则超几何分布收敛于 \\(\\operatorname{Binomial}(n,p)\\)。\n\n不存在一个通用的抽样比阈值，能够保证近似精度适用于所有用途。尾部概率可能比中心附近的概率需要更高的精度。方差比\n\n\\[\\frac{\\operatorname{Var}(X)}{np(1-p)} = \\frac{N-n}{N-1}\\]\n\n表明二项近似忽略有限总体效应的程度。\n\n正态近似\n\n当分布足够分散，且受其取值范围边界的影响不大时，可以用正态分布进行近似：\n\n\\[X\\approx\\mathcal N(\\mu,\\sigma^2),\\]\n\n其中\n\n\\[\\mu=np, \\qquad \\sigma^2=np(1-p)\\frac{N-n}{N-1}.\\]\n\n对整数 \\(x\\) 使用连续性校正，可得\n\n\\[\\Pr(X\\leq x) \\approx \\Phi\\left(\\frac{x+\\tfrac12-\\mu}{\\sigma}\\right),\\]\n\n其中 \\(\\Phi\\) 为标准正态分布函数。\n\n样本部分和未抽取部分中成功项与失败项的期望数量，有助于判断这种近似是否合理。如果分布仍然集中在某个边界附近，仅有较大的样本容量并不足以保证近似合理。\n\n泊松近似\n\n在成功事件稀少的情形下，使用泊松分布近似可能是合适的。一组充分的渐近条件是\n\n\\[n\\to\\infty,\\qquad \\frac KN\\to0,\\qquad n\\frac KN\\to\\lambda,\\qquad \\frac nN\\to0.\\]\n\n此时，极限分布为 \\(\\operatorname{Poisson}(\\lambda)\\)。抽样比可以忽略这一点很重要：仅仅成功事件稀少，并不能消除不放回抽样带来的影响。"
    },
    {
      "heading": "在统计推断中的应用",
      "text": "费舍尔精确检验\n\n超几何分布是用于 \\(2\\times2\\) 列联表的费舍尔精确检验的基础。考虑下表：\n\n | 成功 | 失败 | 合计\n第 1 组 | \\(x\\) | \\(n-x\\) | \\(n\\)\n第 2 组 | \\(K-x\\) | \\(N-K-n+x\\) | \\(N-n\\)\n合计 | \\(K\\) | \\(N-K\\) | \\(N\\)\n\n在不存在关联的原假设下，以边际总数为给定条件，左上角单元格的计数服从超几何分布。\n\n将相应尾部中的概率相加，即可得到单侧P值。计算双侧精确 P 值时，需要先定义哪些表至少与观测表同样极端。由于分布是离散的，不同约定可能得出不同结果；将单侧概率简单加倍，并不总是等价于按概率大小排序进行计算。\n\n验收抽样与有限总体推断\n\n在验收抽样中，对于一批包含 \\(N\\) 个产品、其中有 \\(K\\) 个次品的货物，如果样本中的次品数不超过 \\(c\\)，就予以接收。其接收概率为\n\n\\[\\Pr(X\\leq c) = \\sum_{x=a}^{\\min(c,b)} \\frac{\\binom{K}{x}\\binom{N-K}{n-x}} {\\binom{N}{n}}.\\]\n\n当 \\(K\\) 未知时，在 \\(N\\) 和 \\(n\\) 固定的情况下，同一概率模型可给出关于 \\(K\\) 的似然函数。通过反演精确检验，可以得到总体中成功项数或比例的置信区间。由于参数和观测值都是离散的，非随机化的精确方法可能具有高于名义水平的覆盖率。\n\n重叠与富集分析\n\n假设全集包含 \\(N\\) 个元素，其中某个指定类别包含 \\(K\\) 个元素，而选定集合包含 \\(n\\) 个元素。在选定集合从所有大小为 \\(n\\) 的子集中等概率选出的零模型下，它与该类别的交集大小服从超几何分布。\n\n上尾概率可用于评估某一类别是否过度代表，包括在基因表达结果分析中的应用。结果的解释取决于所选的全集，以及选择机制是否支持各子集等概率的零模型。同时检验多个类别还会引入多重检验问题。"
    },
    {
      "heading": "扩展与相关分布",
      "text": "多元超几何分布\n\n如果总体被划分为 \\(m\\) 个类别，各类别大小为 \\(K_1,\\ldots,K_m\\)，其中 \\(\\sum_iK_i=N\\)，则样本中各类别的计数服从多元超几何分布：\n\n\\[\\Pr(X_1=x_1,\\ldots,X_m=x_m) = \\frac{\\prod_{i=1}^{m}\\binom{K_i}{x_i}} {\\binom{N}{n}},\\]\n\n并满足 \\(\\sum_i x_i=n\\) 和 \\(0\\leq x_i\\leq K_i\\)。普通超几何分布就是只有两个类别的情形。\n\n负超几何分布\n\n当不放回抽样持续进行，直到观察到指定数量的成功或失败时，就会出现负超几何分布。其随机变量通常表示停止前的抽取次数，或另一类别结果出现的次数。这与普通超几何模型中固定样本容量的设定不同。\n\n非中心超几何分布\n\n非中心超几何分布用于描述某些类别间选择概率不相等的情形。费舍尔型和沃伦纽斯型描述的是不同机制：前者由成功优势比不同的独立二项计数在给定条件下得到，后者则来自依次进行的加权不放回抽样。当各类别权重相等时，两者都与普通超几何分布一致；但在其他情况下，一般不能互换使用。"
    },
    {
      "heading": "数值计算",
      "text": "即使最终概率的大小适中，直接使用阶乘计算仍可能发生溢出。实际实现通常采用二项式系数的对数、专用概率算法，或相邻概率之间的递推关系：\n\n\\[\\frac{\\Pr(X=x+1)}{\\Pr(X=x)} = \\frac{(K-x)(n-x)} {(x+1)(N-K-n+x+1)},\\]\n\n其中相邻两个值均须位于取值范围内。\n\n这个比值也解释了该分布名称的由来：相邻概率项之比是下标的有理函数，因此与超几何级数相联系。\n\n为保证数值稳定性，算法可以从众数附近开始，向两侧递推出各项概率，再进行归一化。对于非常小的上尾概率，最好直接计算，而不是用 1 减去一个接近 1 的累积概率，因为后者可能损失有效数字。"
    }
  ],
  "links": [
    "probability-distribution",
    "binomial-distribution",
    "probability-mass-function",
    "binomial-coefficient",
    "random-sampling",
    "expected-value",
    "variance",
    "bernoulli-distribution",
    "statistical-independence",
    "covariance",
    "estimator",
    "cumulative-distribution-function",
    "conditional-probability",
    "normal-distribution",
    "poisson-distribution",
    "null-hypothesis",
    "p-value",
    "likelihood-function",
    "confidence-interval",
    "gene-expression",
    "multiple-testing",
    "factorial",
    "recurrence-relation",
    "numerical-stability"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}