توزیع فوقهندسی
توزیع فوقِهندسی[1] (به انگلیسی: Hypergeometric distribution) مجموعه ای از N عضو را در نظر بگیرید که k عضو آن دارای یک ویژگی و بقیه، فاقد این ویژگی هستند. مانند 500 لامپ موجود در یک جعبه که 300 تای آن سالم و بقیه معیوب باشند. حال فرض کنید می خواهیم از این مجموعه، n عضو به صورت تصادفی (بدون جایگذاری) انتخاب کنیم. دراین صورت اگر متغیر تصادفیX تعداد عناصری در n برداشت باشد که دارای ویژگی موردنظر هستند، می گوئیم X دارای توزیع فوق هندسی است.
تابع جرم احتمال | |||
تابع توزیع تجمعی | |||
فراسنجهها | |||
---|---|---|---|
تکیهگاه | |||
تابع جرم احتمال | |||
تابع توزیع تجمعی |
که در آن همان تابع فوقهندسی همگانی است. | ||
میانگین | |||
مُد | |||
واریانس | |||
چولگی | |||
کشیدگی |
| ||
تابع مولد گشتاور | |||
تابع مشخصه |
تعریف
ابتدا برای درک بهتر این توزیع یک مثال مطرح میکنیم. فرض کنید از جعبهای شامل D فیوز معیوب و N-D فیوز سالم، n فیوز را بهطور تصادفی و بدونجایگذاری انتخابکنیم. بهعلاوه فرضکنیدn، تعداد فیوزهای استخراجی از تعداد فیوزهای معیوب و فیوزهای سالم تجاوز نکند.فرضکنید متغیرتصادفی X تعداد فیوزهای معیوب خارج شده باشد.بنابراین:
تعریف: فرض کنید D,N و n اعداد صحیح و مثبتاند، با
. دراینصورت،
را تابع جرماحتمال توزیع فوقهندسی میگویند.
اثبات ترکیبیاتی تابع احتمال بودن
با استفاده از اتحاد ترکیبیاتی واندرموند به راحتی میتوان نتیجهگرفت که
که با استفاده از آن برای همهی مقادیر k بهسادگی میتوان
را نتیجهگرفت.
متوسط و واریانس متغیرتصادفی فوقهندسی
برای متغیرتصادفی فوقهندسی X که در بالا تعریف شد داریم:
توجهکنید که اگر آزمایش ستخراج n قلم کالا از جعبهای شامل D قلم کالای معیوب و N-D قلم کالای سالم را با جایگذاری انجامدهیم، دراینصورت X دارای توزیع دوجملهای با پارامترهای n و است. پس:
اینها نشانمیدهند که اگر اقلام با جایگذاری انتخاب شوند، دراینصورت امیدریاضی X تغییر نمیکند اما واریانس X افزایش پیدامیکند. با وجود این اگر n بسیار کوچکتر از N باشد دراینصورت باتوجه به فرمول واریانس، استخراج باجایگذاری تقریب خوبی برای استخراج بدونجایگذاری است.
مثال
در یک کیسه 24 مهره وجود دارد که 4 تای آن قرمز و مابقی سفید هستند. اگر از این کیسه 6 مهره به تصادف و بدون جایگذاری برداریم وX تعداد مهرههای قرمز باشد؛ توزیع احتمال X را به دست آورید. احتمال اینکه هیچ مهره قرمزی بدست نیاید چقدر است؟
داریم n=6 ,D=4 , N=24 بنابراین توزیع احتمال X فوق هندسی و به صورت زیر است:
در نتیجه احتمال اینکه هیچ مهرهای قرمز نباشد میشود:
منابع
- «توزیع فوقِهندسی» [آمار] همارزِ «hypergeometric distribution»؛ منبع: گروه واژهگزینی. جواد میرشکاری، ویراستار. دفتر یازدهم. فرهنگ واژههای مصوب فرهنگستان. تهران: انتشارات فرهنگستان زبان و ادب فارسی. شابک ۹۷۸-۶۰۰-۶۱۴۳-۴۵-۳ (ذیل سرواژهٔ توزیع فوقِهندسی)
- saeed_ghahramani، Fundumentals_of_Probability_3rd.Edition