離散分布
超幾何到二項的關係(hypergeometric-to-binomial relationship)
二項與超幾何回答的是同一個物理問題——我在 n 個樣本中拿到幾個特殊物品?——只是在兩套不同規則下。二項是放回抽樣(或母體大到無關緊要),所以成功機率 p 維持固定、試驗獨立。超幾何是從有限母體 N 不放回抽樣,所以機率漂移、試驗相依。它們的關係一句話就能說:當母體相對於樣本很大時,兩個分配幾乎一模一樣。
具體原因如下。在超幾何中,紅球比例為 p = K/N。第一抽出現紅球的機率恰為 p。第二抽則是 K/(N-1) 或 (K-1)/(N-1),視第一抽而定——接近 p 但不相等。若 N 巨大而 n 很小,抓走幾個幾乎不改變比例,於是每抽近似為機率 p 的獨立試驗,這正是二項的圖像。從變異數也看得出來:超幾何變異數是二項變異數 n p (1 - p) 乘以有限母體校正 (N - n)/(N - 1)。當 N 在 n 固定下趨於無窮,該校正趨近 1,兩個變異數合而為一。
實務的經驗法則是:當樣本至多約為母體的 5% 到 10% 時,二項是超幾何很好的近似。這很重要,因為超幾何 pmf 滿是大階乘、計算麻煩,而二項則容易。所以從數百萬人口中抽 1000 人的民調樂於使用二項:不放回的現實在技術上是超幾何,但差異可忽略。
從 10000 件、瑕疵率 5% 的批次抽 20 件:超幾何是精確的,但 binomial(20, 0.05) 幾乎完全相同,因為 20 只占批次的 0.2%。若批次只有 40 件,這個捷徑就會出錯。
大母體、小樣本:有限母體校正 (N - n)/(N - 1) 趨近 1,超幾何遂變成二項。
只有當樣本是母體的一小部分(大致低於 5% 到 10%)時,才用二項當超幾何的捷徑;否則不放回的相依性確實重要。
又稱
另見