🔢 高中数学选择性必修第三册第七章 随机变量及其分布伯努利试验二项分布超几何分布无放回抽样分布辨析

二项分布与超几何分布

掌握二项分布与超几何分布的模型条件、概率公式和数字特征,能依据是否独立、概率是否固定及是否放回正确选择模型。

难度:★★★★★

💡抽到一件次品后,下一次概率会不会改变

若每次从大量产品中随机抽一件、检验后放回,下一次抽到次品的概率保持不变,各次结果可视为独立;若从一小箱产品中无放回抽取,抽走一件会改变剩余构成。两种问题都在数“成功次数”,却对应不同分布。

二项分布描述固定次数的独立重复试验,超几何分布描述有限总体中的不放回抽样。公式相似,适用条件完全不同。

🎯学习目标与考查重点
  • 识别 nn 重伯努利试验的四个核心条件。
  • 掌握二项分布的概率、均值和方差公式。
  • 掌握超几何分布的参数、取值范围与概率公式。
  • 能根据放回方式和独立性辨析两种分布。
  • 会计算“至少”“至多”等累计概率并选择补集法。

一、二项分布的模型条件

一次试验只有“成功”和“失败”两种互斥结果,成功概率为 pp,失败概率为 1−p1-p,这样的试验称为伯努利试验。把同样的试验独立重复 nn 次,若每次成功概率始终为 pp,令 XX 表示成功次数,则

X∼B(n,p).X\sim B(n,p).

使用二项分布要同时确认:试验次数固定为 nn;每次只有两类结果;各次相互独立;每次成功概率相同。若试验做到首次成功就停止,次数并不固定;若无放回抽样使成功概率变化,也不满足条件。

恰有 kk 次成功时,先从 nn 次中选择哪 kk 次成功,有 CnkC_n^k 种;每条具体序列的概率为 pk(1−p)n−kp^k(1-p)^{n-k},所以

P(X=k)=Cnkpk(1−p)n−k,k=0,1,…,n.P(X=k)=C_n^kp^k(1-p)^{n-k},\quad k=0,1,\ldots,n.

二、二项分布的数字特征与累计概率

若 X∼B(n,p)X\sim B(n,p),则

E(X)=np,D(X)=np(1−p).E(X)=np,\qquad D(X)=np(1-p).

期望 npnp 是长期平均成功次数,不必为整数。成功比例 X/nX/n 的期望为 pp,方差为 p(1−p)/np(1-p)/n,说明样本比例的波动会随试验次数增加而减小。

“至少一次成功”常用补集:

P(X≥1)=1−P(X=0)=1−(1−p)n.P(X\ge1)=1-P(X=0)=1-(1-p)^n.

“至多 rr 次”是从 00 到 rr 的概率和,“不少于 rr 次”是从 rr 到 nn 的概率和。边界词必须翻译准确,不能把“至少”误写成严格大于。

🔑

二项分布的关键词不是简单的“抽很多次”,而是固定次数、两类结果、相互独立、成功概率不变;任一条件破坏,都应重新选择模型。

三、超几何分布

总体有 NN 个不同对象,其中 MM 个属于“成功类”,N−MN-M 个属于“失败类”。从中不放回随机抽取 nn 个,令 XX 为抽到的成功类对象数,则 XX 服从超几何分布,且

P(X=k)=CMkCN−Mn−kCNn.P(X=k)=\frac{C_M^kC_{N-M}^{n-k}}{C_N^n}.

取值必须同时满足

max⁡(0,n−N+M)≤k≤min⁡(M,n),\max(0,n-N+M)\le k\le\min(M,n),

并且 kk 为整数。左端保证需要的失败类对象数 n−kn-k 不超过库存,右端保证成功数不超过成功类总数和样本量。

令 p=M/Np=M/N,当 N>1N\gt1 时,

E(X)=np,E(X)=np, D(X)=np(1−p)N−nN−1.D(X)=np(1-p)\frac{N-n}{N-1}.

与二项分布相比,方差多了有限总体修正因子 (N−n)/(N−1)(N-n)/(N-1)。不放回抽样使各次结果负相关,波动通常小于同参数的独立有放回抽样。

四、两种分布的选择与近似

有放回抽样且每次充分随机,常满足独立同概率条件,使用二项分布;从已知有限总体中不放回抽固定数量,使用超几何分布。若总体极大而抽样比例很小,超几何分布可近似二项分布,但这是近似而非恒等,题目未允许近似时应使用精确公式。

二项公式按成功发生在哪些“试验位置”计数;超几何公式按样本中选了哪些成功对象和失败对象计数。前者分母结构隐含逐次概率,后者分母 CNnC_N^n 是所有无放回样本。

遇到产品抽检时,还要确认“抽后放回”是否真的意味着独立。若抽回后充分混合且每次规则相同,可以视为独立;若抽样机制偏向某些位置,仅有物理放回也不能自动保证概率模型成立。

例 1原创基础例题:二项分布的至少成功

某运动员每次罚球命中概率为 0.80.8,各次相互独立。罚球 55 次,求恰好命中 44 次和至少命中一次的概率。

✏️ 查看分步解析

令 XX 为命中次数,则 X∼B(5,0.8)X\sim B(5,0.8)。

P(X=4)=C54(0.8)4(0.2)=0.4096.P(X=4)=C_5^4(0.8)^4(0.2)=0.4096.

至少命中一次用补集:

P(X≥1)=1−P(X=0)=1−(0.2)5=0.99968.P(X\ge1)=1-P(X=0)=1-(0.2)^5=0.99968.

这里独立性与固定命中率由题设明确,才能把每条序列概率写成相同的乘积形式。

例 2原创进阶例题:无放回抽检

一箱有 1212 件产品,其中 44 件次品。无放回随机抽取 33 件,令 XX 为次品数。求 P(X=1)P(X=1)、E(X)E(X) 和 D(X)D(X)。

✏️ 查看分步解析

这是 N=12,M=4,n=3N=12,M=4,n=3 的超几何分布。

P(X=1)=C41C82C123=112220=2855.P(X=1)=\frac{C_4^1C_8^2}{C_{12}^3}=\frac{112}{220}=\frac{28}{55}.

令 p=4/12=1/3p=4/12=1/3,则

E(X)=np=1,E(X)=np=1,D(X)=3×13×23×12−312−1=611.D(X)=3\times\frac13\times\frac23\times\frac{12-3}{12-1} =\frac6{11}.

若错误套用二项分布,方差会得到 2/32/3,遗漏有限总体修正。

⚠️易错点
  • 二项分布必须同时满足固定次数、两类结果、独立和同概率。
  • 无放回抽取有限总体时,后一次概率会变化,通常用超几何分布。
  • 超几何分布的 kk 受两类库存共同限制,不能机械写成 00 到 nn。
  • “至少一次”包含一次,常用 1−P(X=0)1-P(X=0)。
  • 超几何近似二项需要总体大、抽样比例小等条件,不能无条件替换。
🌏生活应用:抽检方案设计

从一批有限产品中一次抽取若干件且不放回,缺陷数适合超几何模型;若连续生产线上各件可近似独立且缺陷率稳定,固定检查若干件的缺陷数可用二项模型。实际质量控制还要检查批次混合、设备漂移和抽样随机性,公式成立依赖这些机制条件,而不只依赖题目中出现“次品数”三个字。

五、自测与解析

1. 模型辨析

从 2020 张奖券中含 33 张中奖券,无放回抽 55 张,中奖张数服从什么分布?

✏️ 查看答案

总体有限且无放回,服从参数 N=20,M=3,n=5N=20,M=3,n=5 的超几何分布,不是二项分布。

2. 二项数字特征

若 X∼B(10,0.3)X\sim B(10,0.3),求 E(X)E(X) 与 D(X)D(X)。

✏️ 查看答案

E(X)=10×0.3=3E(X)=10\times0.3=3,D(X)=10×0.3×0.7=2.1D(X)=10\times0.3\times0.7=2.1。

3. 零次成功

独立试验 44 次,每次成功率 0.60.6,一次也不成功的概率是多少?

✏️ 查看答案

每次失败率为 0.40.4,故 P(X=0)=0.44=0.0256P(X=0)=0.4^4=0.0256。

📺B 站视频讲解去 B 站观看「二项分布与超几何分布视频讲解」优质讲解视频 →