今天就跟大家聊聊有关python代码实现超几何分布，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。
超几何分布属于离散型随机变量的概率分布问题，随机变量可以取有限个值，在每取一个值时可以求出一个概率，此时求解的方法就是采用古典概型公式。
产品抽样检查中经常遇到一类实际问题，假定在N件产品中有M件不合格品，即不合格率 。
在产品中随机抽n件做检查，发现k件不合格品的概率为 ,k=0,1,2,...,min{n,M}。
亦可写作
（与上式不同的是M可为任意实数，而C表示的组合数M为非负整数）
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）。
需要注意的是：
（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,N,M）。
python实例代码：
import numpy as np import matplotlib.pyplot as plt # 超几何分布 hypergeometric(ngood, nbad, nsample, size=None) 好的总数、坏的总数、每次采样数、试验次数 # np.random.hypergeometric(10,20,5,size=4) # 在一个口袋中装有30个球，其中有10个红球，其余为白球，这些球除颜色外完全相同。游戏者一次从中摸出5个球。 摸到至少4个红球就中一等奖，那么获一等奖的概率是多少？ s = np.random.hypergeometric(10,20,5,size=1000000) p = sum(s>=4)/1000000. print(p) fig = plt.figure(figsize=(8,6)) a1 = fig.add_subplot(2,2,1) a1.hist(s ,bins=20,color='k',alpha=0.3) plt.show()
看完上述内容，你们对python代码实现超几何分布有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
