💡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 n 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 p,失败概率为 1−p,这样的试验称为伯努利试验。把同样的试验独立重复 n 次,若每次成功概率始终为 p,令 X 表示成功次数,则
X∼B(n,p).
使用二项分布要同时确认:试验次数固定为 n;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 k 次成功时,先从 n 次中选择哪 k 次成功,有 Cnk 种;每条具体序列的概率为 pk(1−p)n−k,所以
P(X=k)=Cnkpk(1−p)n−k,k=0,1,…,n.
二、二项分布的数字特征与累计概率
若 X∼B(n,p),则
E(X)=np,D(X)=np(1−p).
期望 np 是长期平均成功次数,不必为整数。成功比例 X/n 的期望为 p,方差为 p(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.
“至多 r 次”是从 0 到 r 的概率和,“不少于 r 次”是从 r 到 n 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 N 个不同对象,其中 M 个属于“成功类”,N−M 个属于“失败类”。从中不放回随机抽取 n 个,令 X 为抽到的成功类对象数,则 X 服从超几何分布,且
P(X=k)=CNnCMkCN−Mn−k.
取值必须同时满足
max(0,n−N+M)≤k≤min(M,n),
并且 k 为整数。左端保证需要的失败类对象数 n−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/N,当 N>1 时,
E(X)=np,
D(X)=np(1−p)N−1N−n.
与二项分布相比,方差多了有限总体修正因子 (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 CNn 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 0.8,各次相互独立。罚球 5 次,求恰好命中 4 次和至少命中一次的概率。
✏️ 查看分步解析
令 X 为命中次数,则 X∼B(5,0.8)。
P(X=4)=C54(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.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 12 件产品,其中 4 件次品。无放回随机抽取 3 件,令 X 为次品数。求 P(X=1)、E(X) 和 D(X)。
✏️ 查看分步解析
这是 N=12,M=4,n=3 的超几何分布。
P(X=1)=C123C41C82=220112=5528.令 p=4/12=1/3,则
E(X)=np=1,D(X)=3×31×32×12−112−3=116.若错误套用二项分布,方差会得到 2/3,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 k 受两类库存共同限制,不能机械写成 0 到 n。
- “至少一次”包含一次,常用 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 20 张奖券中含 3 张中奖券,无放回抽 5 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=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),求 E(X) 与 D(X)。
✏️ 查看答案
E(X)=10×0.3=3,D(X)=10×0.3×0.7=2.1。
3. 零次成功
独立试验 4 次,每次成功率 0.6,一次也不成功的概率是多少?
✏️ 查看答案
每次失败率为 0.4,故 P(X=0)=0.44=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 →