超几何分布算法,超几何分布计算法

　　超几何分布属于离散随机变量的概率分布问题。随机变量可以取有限个值，取每个值就可以得到一个概率。这时，解决方法就是采用经典的概率公式。

　　产品抽样检验中经常遇到一类实际问题。假设N个产品中有M个不合格品，即不合格率。

　　随机抽取n件产品进行检验，发现K件不合格品的概率为，k=0，1，2，min{n，M}。

　　相关：《Python基础教程》

　　还能写字

　　(与上式不同，M可以是任意实数，而C表示的组合数M为非负整数)

　　是经典概率的组合形式，下限为A，上限为B。这时我们称随机变量X服从超几何分布。

　　请注意：

　　(1)超几何分布模型没有放回抽样。

　　(2)超几何分布中的参数为M，N，N，超几何分布称为X~H(n，N，M)。

　　python实例代码：

　　importnumpyasnp

　　importmatplotlib.pyplotasplt

　　#超几何分布超几何(ngood，nbad，nsample，size=none)良好总数、不良总数、每次样本数、试验次数

　　#np.random.hypergeometric(10，20，5，size=4)

　　#一个口袋里有30个球，其中10个是红球，其余是白球。除了颜色不同，这些球是一样的。玩家一次拿出五个球。

　　如果你触摸到至少4个红球，你将赢得一等奖。获得一等奖的概率有多大？

　　s=np.random.hypergeometric(10，20，5，size=1000000)

　　p=sum(s=4)/1000000。

　　打印(p)

　　fig=plt.figure(figsize=(8，6))

　　a1=fig.add_subplot(2，2，1)

　　a1.hist(s，bins=20，color=k ，alpha=0.3)

　　plt.show()

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。