R语言超几何分布函数的实战演练

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