导语：
本文主要介绍了关于超几何分布python代码实现的相关知识，包括python生成高斯分布随机数，以及python分布式计算这些编程知识，希望对大家有参考作用。
超几何分布属于离散随机变量的概率分布问题。随机变量可以取有限数量的值，并且可以获得每个取值的概率。这时候的解决办法就是使用经典的概率公式。
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 。
亦可写作
（与上式不同的是M可以是任意实数，C表示的组合数M是非负整数）
它是经典概率的组合形式，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()本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈