R语言超几何分布函数的实战演练
超几何分布函数(Hypergeometric Distribution)是统计学中经常使用的概率分布函数之一,用于描述从有限总体中抽取的样本中成功事件(positive event)的数量。在本文中,我们将详细介绍超几何分布函数的概念,并提供相应的源代码实现。
超几何分布的概念
超几何分布用于描述从有限总体中进行不放回抽样时的概率分布。它与二项分布的区别在于,超几何分布考虑了抽样过程中总体容量的缩减。
超几何分布的概率质量函数(PMF)如下所示:
P(X=k) = (M choose k) * (N-M choose n-k) / (N choose n)
其中,N表示总体大小,M表示总体中成功事件的数量,n表示抽样的样本大小,X表示成功事件发生的次数,k表示成功事件发生的次数可能的取值。
利用R语言实现超几何分布函数
下面是使用R语言实现超几何分布函数的源代码:
# 定义超几何分布函数
hypergeom <- function(x, m, n, N) {
return((choose(m, x) * choose(N-m, n-x)) / choose(N, n))
}
# 设置参数
m <- 10 # 成功事件总数
n <- 5 # 抽样样本大小
N <- 20 # 总体大小
# 计算超几何分布概率
result <- numeric(n+1)
for (i in 0:n) {
result[i+1] <- hypergeom(i, m, n, N)
}
# 输出结果
print(result)
在上述代码中,我们首先定义了一个名为hyper