Understanding the Hypergeometric Distribution With Practical Scenarios
Table of Contents
Die hypergeometrische Verteilung ist ein Eckpfeiler der Wahrscheinlichkeitstheorie und liefert ein präzises Modell für Szenarien, in denen die Probenahme ohne Ersatz aus einer endlichen Population erfolgt. Im Gegensatz zur Binomialverteilung, bei der jede Studie unabhängig ist, berücksichtigt die hypergeometrische Verteilung die sich ändernden Wahrscheinlichkeiten, die auftreten, wenn Gegenstände nicht an die Population zurückgegeben werden. Dies macht sie in Bereichen von der industriellen Qualitätskontrolle über Kartenspiele, Umfragemethodik und biologische Experimente unverzichtbar. Das Verständnis dieser Verteilung ermöglicht es Analysten, genaue Wahrscheinlichkeiten in Situationen zu berechnen, in denen die Populationsgröße im Verhältnis zur Stichprobe klein ist oder in denen der Akt der Probenahme die verbleibende Zusammensetzung verändert.
Was ist die hypergeometrische Verteilung?
Formal beschreibt die hypergeometrische Verteilung die Wahrscheinlichkeit, genau zu erhalten k Erfolge in n zieht ohne Ersatz aus einer Population von Größe N Das enthält genau K Jede Ziehung ergibt entweder einen Erfolg oder einen Misserfolg, und nach jeder Ziehung wird der gezogene Gegenstand nicht ersetzt, so dass sich die Erfolgswahrscheinlichkeit bei nachfolgenden Ziehungen auf der Grundlage des Ergebnisses früherer Ziehungen ändert.
Wenn man beispielsweise 5 Karten ohne Ersatz zieht, ist die Wahrscheinlichkeit, dass genau 2 davon Asse sind, ein hypergeometrisches Problem: N = 52 (Gesamtkarten), K = 4 (Asse), n = 5 (Ziehen) und k = 2 (Erfolge). Die hypergeometrische Verteilung gibt die genaue Wahrscheinlichkeit eines solchen Ergebnisses an.
Die Mathematik hinter der Verteilung
Formel und Notation
Die Wahrscheinlichkeitsmassenfunktion der hypergeometrischen Verteilung ergibt sich aus:
P(X = k) = [C(K, k) × C(N − K, n − k)] / C(N, n)
wobei C(a, b) den Binomialkoeffizienten oder die Anzahl der Möglichkeiten zur Auswahl von b Elementen aus a bezeichnet. Diese Formel zählt alle möglichen Kombinationen von Erfolgen und Misserfolgen in der Probe im Verhältnis zu den gesamten möglichen Proben.
Die Kombination verstehen
Der Nenner C(N, n) stellt alle möglichen Stichproben der Größe n dar, die ohne Ersatz aus der Population gezogen wurden. Der Zähler besteht aus zwei Teilen: C(K, k) zählt die Anzahl der Möglichkeiten, k Erfolge aus den K Erfolgen in der Population zu wählen, und C(N - K, n - k) zählt die Anzahl der Möglichkeiten, die verbleibenden n - k Fehler aus den N - K Fehlern in der Population zu wählen. Multipliziert man diese, erhält man die Anzahl der günstigen Proben. Das Verhältnis ergibt dann die Wahrscheinlichkeit.
Diese Formulierung ist nur gültig, wenn 0 ≤ k ≤ K und 0 ≤ n - k ≤ N - K; andernfalls ist die Wahrscheinlichkeit Null.
Haupteigenschaften der hypergeometrischen Verteilung
Mittelwert und Varianz
Der Erwartungswert (Mittelwert) der hypergeometrischen Verteilung ist:
μ = n × (K / N)
Intuitiv entspricht dies der durchschnittlichen Anzahl von Erfolgen, die Sie erwarten würden, wenn Sie einfach die Stichprobengröße mit dem Bevölkerungsanteil multiplizieren würden.
Die Varianz ist:
σ2 = n × (K / N) × (1 - K / N) × (N - n) / (N - 1)
Der Begriff (N - n) / (N - 1) wird als endlicher Populationskorrekturfaktor bezeichnet. Wenn n viel kleiner als N ist, liegt dieser Faktor nahe bei 1, und die Varianz nähert sich der Binomialverteilung an. Bei der Probenahme eines großen Teils der Population wird die Varianz reduziert, da die Probenahme ohne Ersatz eine negative Abhängigkeit zwischen den Ziehungen erzeugt.
Symmetrie
Die hypergeometrische Verteilung ist symmetrisch, wenn K = N/2. Allgemeiner ausgedrückt, ergibt das Vertauschen der Definitionen von "Erfolg" und "Ausfall" eine komplementäre Verteilung: P(X = k) für Parameter (N, K, n) ist dasselbe wie P(X = n - k) für Parameter (N, N - K, n).
Praktische Szenarien
Qualitätskontrolle in der Fertigung
Angenommen, eine Maschine produziert 1000 elektronische Chips, und historisch gesehen sind 3% defekt. Ein Qualitätsinspektor wählt zufällig 30 Chips aus der Charge ohne Ersatz aus. Wie hoch ist die Wahrscheinlichkeit, dass genau 2 Chips defekt sind?
Hierbei ist N = 1000, K = 30 (3% von 1000), n = 30, k = 2. Die hypergeometrische Verteilung ergibt:
P(2) = [C(30,2) × C(970,28)] / C(1000,30)
Die Berechnung erfordert große kombinatorische Zahlen, kann aber mit Hilfe statistischer Software gut angenähert werden. In der Praxis verwenden Hersteller solche Wahrscheinlichkeiten, um akzeptable Qualitätsgrenzen (AQL) festzulegen und zu entscheiden, ob eine Charge die Inspektion besteht. Ist die beobachtete Anzahl von Fehlern in einer Stichprobe unter der angenommenen Fehlerrate sehr unwahrscheinlich, kann die Charge zurückgewiesen werden.
Kartenspiele: Wahrscheinlichkeit einer Pokerhand
Bei einem Standard-52-Karten-Deck sollte man die Wahrscheinlichkeit berücksichtigen, dass man in einer 5-Karten-Pokerhand genau 3 Herzen erhält. Es gibt 13 Herzen (Erfolge), 39 Nicht-Herzen (Ausfälle). Hypergeometric gibt an:
P(3 Herzen) = [C(13,3) × C(39,2)] / C(52,5) ≈ 0.0816 oder etwa 8.16%.
Diese Methode erstreckt sich auf jede Wahrscheinlichkeit einer Pokerhand — volle Häuser, Flushes oder das Ziehen bestimmter Karten aus einem Deck. Sie wird auch in Spielen wie Blackjack oder Bingo verwendet, wo Karten oder Bälle ohne Ersatz gezogen werden.
Ökologische Probenahme und Erfassung/Erfassung
Biologen verwenden häufig ein Fang-Wiedereinfang-Verfahren, um die Größe der Tierpopulation zu schätzen. In einer typischen Studie wird eine Tierprobe gefangen, markiert und freigesetzt. Später wird eine zweite Probe gefangen und die Anzahl der markierten Tiere in der zweiten Probe aufgezeichnet. Die hypergeometrische Verteilung modelliert die Wahrscheinlichkeit, eine bestimmte Anzahl markierter Tiere zu beobachten, angesichts der anfänglichen Fanggröße. Die Schätzung der maximalen Wahrscheinlichkeit kann dann auf die Gesamtpopulationsgröße schließen. Diese Technik wird in der Wildtiermanagement- und Naturschutzbiologie weit verbreitet.
Auditing und Lot Acceptance Sampling
Bei der Finanzprüfung werden Rechnungen einer Population durch einen Auditor geprüft, um Fehler zu erkennen. Die hypergeometrische Verteilung hilft bei der Bestimmung der Stichprobengröße, die erforderlich ist, um eine wesentliche Fehlerrate mit einer gegebenen Sicherheit zu erkennen. In ähnlicher Weise werden bei Stichprobenplänen für die Annahme von Losen (wie ANSI/ASQ Z1.4) hypergeometrische Wahrscheinlichkeiten verwendet, um zu entscheiden, ob eine Lose angenommen oder abgelehnt werden sollen, basierend auf der Anzahl der in einer Stichprobe gefundenen defekten Gegenstände.
Vergleich von hypergeometrischen und Binomialverteilungen
Die binomiale Verteilung setzt unabhängige Ziehungen mit Ersatz (oder effektiv unendliche Population) voraus. Bei der Entnahme ohne Ersatz aus einer endlichen Population ist die Hypergeometrie genau. Der Hauptunterschied ist die Abhängigkeitsstruktur: Hypergeometrische Ziehungen sind negativ korreliert, da jeder Erfolg die Wahrscheinlichkeit nachfolgender Erfolge verringert, während binomiale Ziehungen unkorreliert sind.
Als Faustregel gilt, dass bei einer Stichprobengröße von n von weniger als 10 % der Populationsgröße N das Binom eine gute Annäherung an die Hypergeometrie darstellt und der Unterschied in den Wahrscheinlichkeiten vernachlässigbar ist.
Mathematisch, wie N → ∞, während der Anteil K / N festgelegt, konvergiert die hypergeometrische Verteilung mit den Parametern n und p = K / N. Dies ist bekannt als die Poisson-Grenze für hypergeometrische, obwohl die normale Näherung auch für große n und große N gilt, wobei p nicht zu nahe an 0 oder 1 liegt.
Berechnung hypergeometrischer Wahrscheinlichkeiten
Manuelle Berechnung mit Kombinationen
Für kleine Zahlen kann man die hypergeometrische Wahrscheinlichkeit direkt mit der Formel berechnen, z.B. mit N = 10, K = 4, n = 5 und k = 2: C(4,2) = 6 C(6,3) = 20 C(10,5) = 252 P(2) = (6 x 20)/252 ≈ 0,476. Dies ist handhabbar oder mit einem einfachen Rechner.
Verwendung von Statistischer Software und Online-Rechnern
Viele Softwarepakete haben eingebaute Funktionen für die hypergeometrische Verteilung. dhyper(k, K, N-K, n) Gibt die genaue Wahrscheinlichkeit zurück. Pythons scipy.stats.hypergeom Tabellenkalkulationsanwendungen wie Excel bieten die Funktion HYPGEOM.DIST(k, n, K, N, FALSE) für die Wahrscheinlichkeitsmassenfunktion.
Online-Rechner (wie dieses von StatTrek) Sie sind einfach für schnelle Berechnungen zu verwenden, sie erfordern typischerweise die Eingabe von N, K, n und k und geben die Wahrscheinlichkeit und auch kumulative Wahrscheinlichkeiten zurück.
Häufige Missverständnisse und Fallstricke
Ein häufiger Fehler ist die Verwendung der Binomialverteilung, wenn die Hypergeometrie erforderlich ist, insbesondere wenn die Probe ein beträchtlicher Teil der Population ist. Bei der Stichprobenabnahme mit n = 50 von N = 500 würde das Binomial die Wahrscheinlichkeit extremer Ergebnisse erheblich überschätzen, da es die Erschöpfung der Erfolge ignoriert. Immer den Stichprobenanteil überprüfen: Wenn n/N > 0,1, bevorzugen Sie die Hypergeometrie, es sei denn, Sie nehmen eine Stichprobe mit Ersatz.
Ein weiterer Irrglaube ist, dass die Hypergeometrie nur für binäre Ergebnisse mit "Erfolg/Misserfolg" gilt. In Wirklichkeit kann sie auf jede Zwei-Kategorie-Klassifikation angewendet werden (z. B. rot/blau, ja/nein, männlich/weiblich).
Verbindungen zu anderen Distributionen
Die Hypergeometrie ist Teil einer Familie von diskreten Verteilungen, die von endlichen Populationen abgeleitet sind. Ihre multivariate Erweiterung, die multivariate hypergeometrische Verteilung, behandelt mehr als zwei Kategorien. Beispielsweise folgt das Ersetzen mehrerer Farben von Murmeln aus einer Urne ohne Ersatz der multivariaten hypergeometrischen Verteilung. In ähnlicher Weise modelliert die negative hypergeometrische Verteilung die Anzahl der Ziehungen, die benötigt werden, um eine feste Anzahl von Erfolgen zu erzielen.
Die Hypergeometrie ergibt sich auch natürlich im exakten Fisher-Test, einem statistischen Test auf Unabhängigkeit in 2×2-Kontingenztabellen, der die genaue Wahrscheinlichkeit der Beobachtung der Zellzahl der Tabelle unter Berücksichtigung der Grenzsummen berechnet, was eine hypergeometrische Wahrscheinlichkeit ist.
Zusammenfassung
Die hypergeometrische Verteilung ist ein wesentliches Werkzeug für die Modellierung von Stichproben ohne Ersatz aus endlichen Populationen. Ihre präzisen Wahrscheinlichkeitsberechnungen sind entscheidend für Qualitätskontrolle, Kartenspiele, ökologische Studien, Auditing und viele andere reale Domänen. Durch das Verständnis ihrer Formel, Eigenschaften und Beziehung zur Binomialverteilung können Praktiker das richtige Modell auswählen und häufige statistische Fehler vermeiden. Ob Sie ein Student der Wahrscheinlichkeit, ein Datenanalyst oder ein Qualitätsingenieur sind, die Beherrschung der hypergeometrischen Verteilung wird Ihre Fähigkeit, über den Zufall in endlichen Populationseinstellungen nachzudenken, schärfen.
Für weitere Lektüre, erkunden Sie die Wikipedia-Artikel über die hypergeometrische Verteilung, die zusätzliche mathematische Ableitungen und historischen Kontext bietet. Dieser Wahrscheinlichkeitskurs von der University of Texas Das beinhaltet interaktive Beispiele. Einführung in die Wahrscheinlichkeit von Bertsekas und Tsitsiklis bietet eine gründliche Behandlung mit vielen praktischen Problemen.