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。