python比较两个列表的重合度_#源代码#超几何分布算法介绍及python下的实现代码...

原标题：#源代码#超几何分布算法介绍及python下的实现代码

超几何分布是统计学上一种离散概率分布。它描述了由有限个物件中抽出n个物件，成功抽出指定种类的物件的次数(不归还)。

在产品质量的不放回抽检中，若N件产品中有M件次品，抽检n件时所得次品数X=k

则P(X=k)=C(M k)·C(N-M n-k)/C(N n)，C(a b)为古典概型的组合形式，a为下限，b为上限。此时我们称随机变量X服从超几何分布(hypergeometric distribution)

1)超几何分布的模型是不放回抽样

2)超几何分布中的参数是M,N,n

上述超几何分布记作X~H(n，M，N)。

产品抽样检查中经常遇到一类，假定在N件产品中有M件不合格品，即不合格率p=M/N.产品中随机抽n件做检查，发现X件是不合格品， 可知X的概率函数为P(X=k)=C(k,M)*C(n-k,N-M)/C(M,N),k=0,1,2,...通常称这个随机变量X服从超几何分布。这种抽样检查方法等于无放回抽样。数学上不难证明，当M=Np时，n-无穷，limC(k,M)*C(n-k,N-M)/C(M,N)=B(n,p) (二项分布)因此，在实际应用时，只要N>=10n，可用二项分布近似描述不合格品个数。也就是已经知道某个事件的发生概率，判断从中取出一个小样本，该事件以某一个机率出现的概率问题。

在实际应用中，超几何分布的原理经常被用在基因集功能富集的过程中，即我们已知调控某一功能的基因集，我们