全面解读离散型随机变量中的核心概率模型，掌握不放回抽样下的期望计算智慧
在概率论与数理统计中，超几何分布（Hypergeometric Distribution）描述的是在包含 个物品的总体中，其中有 个是“成功”物品（或具有某种特定属性），从中不放回地随机抽取 个物品，恰好抽到 个成功物品的概率分布。
超几何分布最显著的特征是不放回抽样。这意味着每次抽取后，总体的构成发生变化，后续抽取的概率也随之改变。这与二项分布（独立重复试验）形成了鲜明对比。
对于随机变量 ，其期望值（Mean）的计算公式是统计学中的基础且重要的结论。
其中：
理解这个公式最简单的方式是比例思想。如果总体中有 的比例是“成功”的，那么当你抽取 个样本时，期望抽到的“成功”数量自然就是总抽取数乘以这个比例。即：
期望数量 = 总抽取数 × 成功概率
这与二项分布的期望公式 形式完全一致，其中 。这反映了在大量重复试验中，抽样结果倾向于反映总体的比例。
为了证明这一结论，我们引入指示变量（Indicator Variable）的方法，这种方法比直接使用组合数求和更简洁优雅。
步骤 1： 设 为第 次抽取的结果，若抽到成功物品，，否则 。
步骤 2： 总成功次数 。
步骤 3： 根据期望的线性性质，。
步骤 4： 计算单个 。对于任意第 次抽取，抽到成功物品的概率是多少？由于对称性，第 次抽到成功物品的概率与第 1 次相同，均为 。
因此，。
步骤 5： 求和。
推导完毕。这种方法巧妙地避开了复杂的组合数求和运算，体现了数学思维的灵活性。
超几何分布期望公式不仅在理论数学中占有一席之地，更广泛应用于质量控制、生物统计、彩票分析等领域。以下通过具体案例展示其计算过程。
某工厂生产的一批产品共有 件，其中已知有 件次品。质检员从中随机抽取 件进行检验。问：期望能抽到多少件次品？
虽然实际抽取中次品数只能是整数（0, 1, 2...），但期望值为 0.5 意味着，如果进行大量次这样的抽样实验，平均每次能抽到 0.5 件次品。这为工厂评估抽检风险提供了量化依据。
在生态调查中，研究人员想要估计一个池塘中鲤鱼的数量。他们先捕获 50 条鲤鱼做标记后放回（）。一周后，再次捕获 条鱼，发现其中有 10 条带有标记。虽然这是捕获数据，但如果我们反过来思考：假设池塘总鱼数 未知，已知标记比例，我们可以利用超几何分布的逻辑进行逆向推断（最大似然估计思想）。
或者，更常见的应用是：已知池塘总鱼数 ，其中标记鱼 。现在随机捕捞 条，期望捕到多少条标记鱼？
这表明，在随机抽样下，期望捕获 5 条标记鱼。这一原理广泛应用于标记重捕法（Mark-Recapture Method）的统计学基础中。
某福利彩票玩法是从 35 个号码中选出 7 个作为一等奖。假设你购买了一张彩票，选定了 7 个号码。已知中奖号码也是从这 35 个中产生的 7 个。问：你猜中号码数的期望值是多少？
这意味着，长期来看，平均每张彩票能猜中 1.4 个号码。虽然单次购买可能猜中 0 个或 7 个，但期望值 1.4 揭示了中奖概率的分布中心。
这是网民搜索“超几何分布期望公式”时最常遇到的混淆点。两者期望公式形式相同，但适用条件不同。
| 比较维度 | 超几何分布 (Hypergeometric) | 二项分布 (Binomial) |
|---|---|---|
| 抽样方式 | 不放回抽样 (Without Replacement) | 放回抽样 (With Replacement) 或 独立试验 |
| 概率变化 | 每次试验概率改变，不独立 | 每次试验概率恒定，相互独立 |
| 总体大小 | 有限总体 (Finite N) | 无限总体或 N 极大 |
| 期望公式 | ||
| 联系 | 当总体 很大，样本 相对很小时（如 ），超几何分布可近似为二项分布，此时 。 | |
虽然二项分布要求独立，超几何分布不独立，但期望的线性性质不依赖于变量之间的独立性。无论是独立还是不独立的随机变量之和，其期望值等于期望值之和。因此，只要单次抽取的成功概率是 ，那么 次抽取的总期望就是 。在超几何分布中，虽然条件概率在变，但边际概率（Marginal Probability）对于每一次抽取来说，仍然是 。
A: 可以。 是样本量， 是总体中特定状态的数量。如果 ，意味着你抽取的数量超过了特定状态的总数。此时，期望值 仍然成立，但实际观察到的 最大只能是 。公式给出的是平均值，而不是单次实验的确定结果。
A: 是的。统计学中有一个经验法则：如果样本量 小于总体量 的 5%（即 ），不放回抽样对概率的影响微乎其微，此时可以使用二项分布 来近似超几何分布，计算会简便很多，且误差在可接受范围内。
A: 不能直接计算。期望只反映中心趋势。要计算标准差，需要先计算方差 ，然后开平方。超几何分布的方差包含有限总体校正因子，这使得其方差通常小于同参数的二项分布方差（因为不放回抽样减少了变异性）。
A: 直接计算组合数 容易导致数值溢出。建议使用对数空间计算或使用统计库（如 Python 的 scipy.stats.hypergeom）。在 Excel 中，可以使用 `HYPGEOM.DIST` 函数。对于期望值，直接应用 即可，无需复杂编程。
超几何分布期望公式 是概率论中连接理论与现实的桥梁。它不仅简洁优美，更深刻揭示了抽样统计中的比例守恒原理。掌握这一公式，有助于我们在质量控制、生物统计及日常决策中做出更科学的概率推断。