Contrairement à la distribution binomiale, qui suppose que chaque essai est indépendant, la distribution hypergéométrique tient compte de l'évolution des probabilités qui surviennent lorsque les éléments ne sont pas retournés à la population, ce qui rend indispensable la distribution dans des domaines allant du contrôle de la qualité industrielle aux jeux de cartes, à la méthodologie d'enquête et aux expériences biologiques. La compréhension de cette distribution permet aux analystes de calculer les probabilités exactes dans les situations où la taille de la population est faible par rapport à l'échantillon, ou où l'acte même d'échantillonnage modifie la composition restante.

Quelle est la distribution hypergéométrique?

Formellement, la distribution hypergéométrique décrit la probabilité d'obtenir exactement k succès dans n Tire sans remplacement d'une population de taille N qui contient exactement K Chaque tirage donne un succès ou un échec, et après chaque tirage, l'élément tiré n'est pas remplacé, de sorte que la probabilité de succès sur les tirages ultérieurs est basée sur les résultats des tirages précédents.

Par exemple, considérez un jeu de 52 cartes à jouer. Si vous dessinez 5 cartes sans remplacement, la probabilité que 2 d'entre elles soient des as est un problème hypergéométrique : N = 52 (cartes totales), K = 4 (aces), n = 5 (draves) et k = 2 (succès). La distribution hypergéométrique donne la probabilité exacte d'un tel résultat.

Les mathématiques derrière la distribution

Formule et notation

La fonction de masse de probabilité de la distribution hypergéométrique est donnée par:

P(X = k) = [C(K, k) × C(N − K, n − k)] / C(N, n)

où C(a, b) indique le coefficient binôme, ou le nombre de façons de choisir b éléments de a. Cette formule compte toutes les combinaisons possibles de succès et d'échecs dans l'échantillon par rapport au total des échantillons possibles.

Comprendre les combinaisons

Le dénominateur C(N, n) représente tous les échantillons possibles de la taille n tirés sans remplacement de la population. Le numérateur se compose de deux parties : C(K, k) compte le nombre de façons de choisir k succès dans la population, et C(N − K, n − k) compte le nombre de façons de choisir les autres échecs n − k parmi les échecs N − K dans la population.

Cette formulation n ' est valable que lorsque 0 ≤ k ≤ K et 0 ≤ n− k ≤ N− K; sinon, la probabilité est zéro.

Propriétés clés de la distribution hypergéométrique

Moyenne et écarts

La valeur attendue (moyenne) de la distribution hypergéométrique est:

μ = n × (K / N)

Intuitivement, cela correspond au nombre moyen de réussites que vous attendez si vous multipliez simplement la taille de l'échantillon par la proportion de la population.

La variation est la suivante :

ε2 = n × (K / N) × (1 − K / N) × (N − n) / (N − 1)

Le terme (N - n)/(N - 1) est appelé facteur de correction de population finie. Lorsque n est beaucoup plus petit que N, ce facteur est proche de 1, et la variance est approximative de celle de la distribution binomiale. Lorsque l'échantillonnage d'une grande fraction de la population, la variance est réduite parce que l'échantillonnage sans remplacement crée une dépendance négative entre les tirages.

Symmétrie

La distribution hypergéométrique est symétrique si K = N/2. De façon plus générale, l'échange des définitions de -succès et -failure - donne une distribution complémentaire: P(X = k) pour les paramètres (N, K, n) est identique à P(X = n - k) pour les paramètres (N, N - K, n).

Scénarios pratiques

Contrôle de la qualité dans l'industrie manufacturière

Supposons qu'une machine produise 1 000 puces électroniques et que 3 % sont toujours défectueux. Un inspecteur de qualité sélectionne au hasard 30 puces du lot sans remplacement. Quelle est la probabilité que 2 puces soient défectueuses exactement?

Ici N = 1000, K = 30 (3% de 1000), n = 30, k = 2. La distribution hypergéométrique donne:

P(2) = [C(30,2) × C(970,28] / C(1000,30)

En pratique, les fabricants utilisent ces probabilités pour fixer des limites de qualité acceptables (LQA) et décider si un lot passe l'inspection. Si le nombre de défauts observés dans un échantillon est très improbable en fonction du taux de défaut présumé, le lot peut être rejeté.

Jeux de cartes: Probabilité d'une main de poker

Dans un jeu standard de 52 cartes, considérez la probabilité d'être traité exactement 3 coeurs dans une main de poker de 5 cartes. Il y a 13 coeurs (succès), 39 non-cœurs (échecs). Hypergéométrique donne:

P(3 coeurs) = [C(13,3) × C(39,2)] / C(52,5) - 0,0816 ou environ 8,16 %.

Cette méthode s'étend à toute probabilité de main de poker — maisons pleines, chasses d'eau, ou de dessin de cartes spécifiques d'un jeu. Il est également utilisé dans des jeux comme le blackjack ou le bingo où les cartes ou les balles sont tirées sans remplacement.

Échantillonnage écologique et capture-recapture

Les biologistes utilisent souvent une méthode de capture-recapture pour estimer la taille de la population animale. Dans une étude typique, un échantillon d'animaux est capturé, marqué et libéré. Plus tard, un deuxième échantillon est capturé, et le nombre d'animaux marqués dans le deuxième échantillon est enregistré. La distribution hypergéométrique modèle la probabilité d'observer un certain nombre d'animaux marqués, compte tenu de la taille initiale de la capture.

Vérification et échantillonnage d'acceptation de lot

Dans le cadre de la vérification financière, un vérificateur échantillonne les factures d'une population pour vérifier les erreurs. La distribution hypergéométrique aide à déterminer la taille de l'échantillon nécessaire pour détecter un taux d'erreur important avec une confiance donnée. De même, dans les plans d'échantillonnage d'acceptation de lots (tels que ANSI/ASQ Z1.4), les probabilités hypergéométriques sont utilisées pour décider s'il faut accepter ou rejeter un lot en fonction du nombre d'éléments défectueux trouvés dans un échantillon.

Comparaison des distributions hypergéométriques et binomiales

La distribution binomiale suppose des tirages indépendants avec remplacement (ou une population effectivement infinie). Lorsque l'échantillonnage sans remplacement d'une population finie, l'hypergéométrie est exacte. La différence clé est la structure de dépendance : les tirages hypergéométriques sont corrélés négativement parce que chaque succès réduit la probabilité de succès subséquents, alors que les tirages binomiaux ne sont pas corrélés.

En règle générale, lorsque la taille de l'échantillon n est inférieure à 10 % de la taille de la population N, le binomial est une bonne approximation de l'hypergéométrie et la différence de probabilité est négligeable. Toutefois, lorsque l'échantillonnage d'une grande partie de la population, la distribution hypergéométrique donne des probabilités plus précises et devrait être utilisée.

Mathématiquement, comme N → - - tout en maintenant la proportion K/N fixée, la distribution hypergéométrique converge vers la distribution binomiale avec les paramètres n et p = K/N. Ceci est connu comme la limite de Poisson pour l'hypergéométrie, bien que l'approximation normale s'applique également pour les grands n et les grands N avec p pas trop près de 0 ou 1.

Calcul des probabilités hypergéométriques

Calcul manuel à l'aide de combinaisons

Pour les petits nombres, vous pouvez calculer la probabilité hypergéométrique en utilisant la formule directement. Par exemple, avec N=10, K=4, n=5 et k=2: C(4,2)=6, C(6,3)=20, C(10,5)=252. Donc P(2)= (6×20)/252 - 0,476. Ceci est gérable à la main ou avec une simple calculatrice.

Utilisation de logiciels statistiques et de calculateurs en ligne

De nombreux progiciels ont des fonctions intégrées pour la distribution hypergéométrique. dhyper(k, K, N-K, n) renvoie la probabilité exacte. scipy.stats.hypergème Les applications de feuille de calcul comme Excel fournissent la fonction HYPGEOM.DIST(k, n, K, N, FALSE) pour la fonction de masse de probabilité.

Calculateurs en ligne (comme celui de StatTrek) Ils sont faciles à utiliser pour les calculs rapides. Ils nécessitent généralement d'entrer N, K, n et k, et de retourner la probabilité et aussi les probabilités cumulatives.

Erreurs et pièges courants

Une erreur fréquente est d'utiliser la distribution binomiale lorsque l'hypergéométrie est nécessaire, surtout lorsque l'échantillon est une fraction importante de la population. Par exemple, dans l'échantillonnage d'acceptation de lot avec n = 50 de N = 500, le binomial surestime de façon significative la probabilité de résultats extrêmes parce qu'il ignore l'épuisement des succès.

Une autre idée fausse est que l'hypergéométrique est uniquement pour les résultats binaires -success/failure--. En réalité, il peut être appliqué à toute classification de deux catégories (par exemple, rouge/bleu, oui/non, mâle/femelle). Les catégories doivent être mutuellement exclusives et collectivement exhaustives pour le tirage donné.

Connexions à d'autres distributions

L'hypergéométrie fait partie d'une famille de distributions discrètes dérivées de populations finies. Son extension multivariée, la distribution hypergéométrique multivariée, gère plus de deux catégories. Par exemple, dessiner des billes de couleurs multiples à partir d'une urne sans remplacement suit l'hypergéométrie multivariée. De même, les modèles de distribution hypergéométrique négative le nombre de tirages nécessaires pour obtenir un nombre fixe de succès.

L'hypergéométrie se produit également naturellement dans Fisher, test exact, un test statistique pour l'indépendance dans les tableaux de contingence 2×2. Le test calcule la probabilité exacte d'observer les comptes de cellules de tableau, compte tenu des totaux marginaux, qui est une probabilité hypergéométrique.

Résumé

La distribution hypergéométrique est un outil essentiel pour modéliser l'échantillonnage sans remplacement des populations finies. Ses calculs de probabilité précis sont critiques dans le contrôle de qualité, les jeux de cartes, les études écologiques, l'audit et de nombreux autres domaines réels. En comprenant sa formule, ses propriétés et sa relation avec la distribution binomiale, les praticiens peuvent choisir le bon modèle et éviter les erreurs statistiques communes. Que vous soyez un étudiant de probabilité, un analyste de données ou un ingénieur de qualité, maîtriser la distribution hypergéométrique va aiguiser votre capacité à raisonner sur le hasard dans les paramètres de population finie.

Pour plus de détails, explorez la Wikipedia article sur la distribution hypergéométrique, qui fournit des dérivations mathématiques supplémentaires et le contexte historique . Une autre excellente ressource est ce cours de probabilité de l'Université du Texas - enfin, le manuel Introduction à la probabilité par Bertsekas et Tsitsiklis offre un traitement complet avec de nombreux problèmes pratiques.