![83ea1a7f760e039634db838fc7699913.png](https://i-blog.csdnimg.cn/blog_migrate/3bf51eb816597e87c095d4ef3967eecd.png)
在《常用的离散分布1》中,我们介绍了二项分布和泊松分布,这两种分布的适用场景是分析独立事件发生次数的概率,或者是有放回的重复抽样。
常用的离散分布1 二项分布,泊松分布mp.weixin.qq.com![af97f72734f574fd2581faa8d58c63ce.png](https://i-blog.csdnimg.cn/blog_migrate/077c9fa6f70407601494dd5f7c8648b3.png)
![763772954dc53b91ffea27e69c4f11ab.png](https://i-blog.csdnimg.cn/blog_migrate/f490add68f7c68e831254b209fc0269e.png)
如果是在有限的样本中做无放回的抽样,超几何分布就要发威了。
我们来举一个例子,在100个产品中,有10个不良品,我们从中选取6个产品,那么这6个产品中有2个不良品的概率是多少?
可见,在这个例子中,抽到不良品的概率并不是一成不变的。
抽取第一个产品时,抽到不良的概率是10/100;
抽取第二个产品时,如果第一个抽到的产品是良品,则概率是10/99,如果第一个抽到的产品是不良品,则概率是9/99。
后面事件发生的概率受到之前事件的影响而发生变化的事件,我们就称之为相关事件
可以容易的得到超几何分布的概率分布公式,它描述了从有限N个物件(其中包含M个指定种类的物件)中抽出n个物件,成功抽出该指定种类的物件的次数。
![66ddb5ddfa8011e13f0e9a02a4c69e5e.png](https://i-blog.csdnimg.cn/blog_migrate/b77d15145ce9aaa90e28a57f4c14866b.jpeg)
在100个产品中,有10个不良品,我们从中选取6个产品,那么这6个产品中有2个不良品的概率是多少?
这个例子中,M=100,N=10,n=6
Minitab的“Probability Distribution Plot”可以很方便的,描写各种分布的概率曲线,我们就来算一下发生概率吧。
![8f0a0c934a391bfea3fc32fe1200659e.png](https://i-blog.csdnimg.cn/blog_migrate/0ca6509f7a0432f08ac4b17fadc0babe.jpeg)
选择“Hypergeometric”(超几何分布),输入相应的M,N,n的参数。
![0c1345002d6bfcdaba86fa35558da510.png](https://i-blog.csdnimg.cn/blog_migrate/83cc95c631c02e604452cdad83d69a7c.jpeg)
点击“OK”后,我们就得到了发生次数的概率曲线。
![4454cc840b90a68ba271ecffb8a9e4a0.png](https://i-blog.csdnimg.cn/blog_migrate/53cbe79fe16ca6c86a79a57b9302fa29.jpeg)
选取“2次”的区域,可见,6个产品中有2个不良品的概率是0.0965。
![e7b48e9a5d8df8395a482f909ea098d5.png](https://i-blog.csdnimg.cn/blog_migrate/d726b09327840be1efb720532baf1a1e.jpeg)
超几何分布在制造业的产品抽检中经常会用到,是一种非常重要的离散分布。
欢迎关注我的公众号:“精益质量”
![02d3376e64def39b235b6eaf22b46635.png](https://i-blog.csdnimg.cn/blog_migrate/c5e871503f7e3073f0f4eb61702aa885.png)