追概率论这条线追到第9篇，终于轮到超几何分布了。标题里当时手写了“未完成”三个字，因为这东西第一眼看公式会觉得“不就比二项分布多个组合数嘛”，但真往深处想，放回和不放回的区别、期望方差的修正项、还有它跟二项分布之间那种“差一点就一样”的关系，很容易让人卡壳。这篇就把超几何分布从头到尾撸一遍，从定义到推导再到实际场景，尽量把每个“为什么”都讲明白。
1. 先从生活里最常见的“抓球模型”说起
1.1 不放回抽签的分布长什么样
超几何分布的典型场景，就是一堆球里有红有白，你闭着眼睛抓一把出来，问里面有多少个红球。关键在于“抓一把”是不放回的——抓走一个，袋子里就少一个，红球的比例就变了。
这个模型听起来简单，但它背后的思想能直接套到很多现实问题里。比如你买一箱子零件，里面可能有次品，质检员抽几个出来检查，问抽到的次品数是多少；再比如你从一副扑克里抽5张，问里面红桃有几张；甚至你查一批账号里有多少个异常账户，抽样一批去审计，原理都是一回事。
我第一次学的时候总觉得超几何分布这个名字特别唬人，好像跟什么高深的“超几何函数”有关。实际上，在概率论初等阶段，你只需要把它理解成“不放回抽球”就够了。至于为什么叫“超几何”，历史原因跟几何级数的推广有关系，但你要想真正用好这个分布，名字的来源反而不是重点。
1.2 超几何分布的数学定义和公式拆解
超几何分布的定义式长这样：
假设总体里有 N 个对象，其中有 M 个是“成功类”（比如红球、次品），剩下 N-M 个是“失败类”。不放回地抽取 n 个，抽到的“成功类”个数 X 服从超几何分布，概率为：
P(X = k) = C(M, k) * C(N-M, n-k) / C(N, n)
其中 k 的取值范围是 max(0, n-(N-M)) 到 min(n, M)。C(a, b) 表示从 a 个里取 b 个的组合数。
这个公式很多人背过就过了，但其实它特别好理解：分母 C(N, n) 是从全部 N 个里面抽 n 个的所有可能情况数。分子呢，你抽到的 n 个里面，必须有 k 个来自 M 个“成功类”，所以是 C(M, k)；剩下的 n-k 个必须来自 N-M 个“失败类”，所以是 C(N-M, n-k)。“成功”和“失败”两边的取法互不干扰，乘起来就是你想要的事件包含的情况数。概率就是“想要的情况数除以所有情况数”。
提示：我第一次用这个公式时吃过一个亏，就是忽略了 k 的取值范围。如果你设 N=10, M=3, n=8，那 k 根本不可能取到 8，因为红球一共只有 3 个。所以写代码或者手算的时候一定要先算清楚 k 的上下界，否则组合数会出现 C(3, 8)=0 这种“结果正好是0但你自己还不知道错哪了”的情况。
2. 放回和不放回：超几何分布与二项分布的“血缘关系”
2.1 老朋友二项分布，它的隐藏前提是“放回”
在学超几何分布之前，大部分人都先学了二项分布。二项分布的背景是：进行 n 次独立试验，每次试验里“成功”的概率都是 p，问成功次数 X 等于 k 的概率。
这个“每次成功概率都是 p”其实是个非常强的假设。你想想，一次试验只能有两种结果，那你怎么保证下次试验的成功概率不变？最常见的方式就是“放回”——抽完一个球看完颜色，再放回去摇匀再抽。袋子里红球比例永远不变，每次抽都是独立重复试验。
现实中做不到放回的时候怎么办？比如质检员抽了3个次品出来，不可能把次品塞回去再抽。这种时候如果硬套二项分布，理论上是不严谨的，因为每抽走一个球，红球的比例就变了。这就是超几何分布存在的根本原因：它专门处理“不放回抽样”下成功次数的概率分布。
2.2 N 足够大时，超几何分布会“靠近”二项分布
虽然超几何分布的公式看着和二项分布不一样，但两者之间有一个非常实用的近似关系：当总体容量 N 相对于抽样量 n 特别大时，超几何分布可以用二项分布来近似。
直觉上的解释很简单：如果袋子里有 10000 个球，其中 5000 个红的，你抽走 1 个红的，袋子里红球占比从 0.5 变成了 4999/9999≈0.49995，变化几乎可以忽略。那每次抽球的时候红球比例约等于不变，不放回就近似等于放回，超几何分布就趋近于二项分布。
工程上，一般有 N ≥ 10n 或者 N ≥ 20n 的时候，直接用二项分布公式近似超几何分布，误差就已经很小了。比如 N=1000, M=100, n=20，你用二项分布 B(20, 0.1) 去算和用超几何分布 H(1000, 100, 20) 去算，结果差别在小数点后第二位甚至第三位。
2.3 一张对照表搞清楚什么时候用哪个分布
| 对比维度 | 超几何分布 | 二项分布 |
|---|---|---|
| 抽样方式 | 不放回 | 放回（或近似独立） |
| 成功概率 | 每次都在变 | 每次保持 p 不变 |
| 参数 | N, M, n | n, p |
| 期望 | n * M / N | n * p |
| 方差 | n * (M/N) * (1-M/N) * (N-n)/(N-1) | n * p * (1-p) |
| 适用场景 | 质检、抽样审计、扑克牌 | 抛硬币、射击命中、机器故障 |
这里有一个特别容易掉的坑：很多教材把二项分布描述成“n次独立重复试验”，却没有强调“每次成功概率p必须相等”这个前提。如果不放回抽样，严格来说每一次抽的成功概率都在变化，不是独立重复试验。只是当批量极大、抽样比例很小时，变化的幅度弱到可以忽略，工程上才默认用二项分布算。
我记得之前看过一个反面案例：有人用二项分布去计算彩票中奖率，比如一箱彩票一共1000张，有奖的50张，他抽20张，问有奖的张数分布。他用 B(20, 0.05) 去算，答案差不多，但本质上这是超几何分布 H(1000, 50, 20)。虽然数值差别不大，但理解层面就错了。如果你是做产品抽检，总共就200件的东西抽80件测试，这时候 M/N 和 (M-1)/(N-1) 差得多，硬套二项分布的误差就不能接受了。
3. 期望和方差：两个数字里藏着抽样的关键信息
3.1 期望为什么是 n * M / N
超几何分布的期望公式是 E(X) = n * M / N。这个结果可以用一个非常直观的方式理解：整体里“成功类”的比例是 M/N，平均来说，你抽 n 个，抽到的成功类个数就应该占这个比例，所以期望就是 n 乘以 M/N。
你可能觉得这跟二项分布的 np 长得一模一样。确实，如果令 p = M/N，那么期望就是 np。也就是说，放回不放回在“平均水平”上没有差别，抽样的平均结果都正比于总体里的成功比例。
严谨推导的话，一般教材会引入一个指示变量技巧：设 I_i 表示第 i 次抽到的是不是成功类，是则取 1，否则取 0。那 X = I_1 + I_2 + ... + I_n，根据期望的线性性质：
E(X) = E(I_1) + E(I_2) + ... + E(I_n)
而每一次抽球，抽到成功类的概率都等于 M/N——注意哦，虽然不放回导致各次之间不独立，但边缘概率都是 M/N，因为第 i 个位置抽到红球的概率和第一位置一样，是对称的。所以 E(X) = n * M/N。这个“对称性”是理解不放回抽签公平性的关键：抽签结果无论先后顺序，概率都相同。
注意：很多人觉得不放回的话，后面抽到红球的概率会变，那为什么每次的期望贡献还是 M/N？其实这里的“概率”是你在还没开始抽的时候计算的边缘概率，它不等于抽完前面几个之后的条件概率。只要没看结果，第 i 个位置抽到红球的概率就是 M/N，不放回只会让不同位置之间产生相关性，但不会让边缘概率失去对称性。
3.2 方差里藏着的“有限总体修正”
超几何分布的方差公式是：
Var(X) = n * (M/N) * (1 - M/N) * (N-n)/(N-1)
对比二项分布的方差 np(1-p)，你会发现超几何分布的方差多了一个因子 (N-n)/(N-1)，这个因子在统计学里有个专门的名字，叫“有限总体修正因子”（FPC, Finite Population Correction）。
它的作用很直观：当抽样量 n 比总体 N 小很多时，FPC 非常接近 1，方差几乎等于二项分布；当 n 接近 N 时，FPC 接近 0，方差变小，这说明你已经快把全部总体抽完了，结果没什么随机性了。想象极端情况 n = N，那就等于把全部球都抽出来看一遍，X 必然等于 M，方差为 0，FPC = (N-N)/(N-1) = 0，完全吻合。
这个方差的直觉也很重要：不放回抽样因为“去掉了重复抽到同一个个体的可能性”，结果比放回抽样更稳定，方差更小。什么情况下你会希望方差更小？问卷调查、产品质检、市场调研，这些场景里有限总体的修正其实很常见。比如你要估算一个工厂 5000 件产品的不合格率，全检不可能，抽检先抽 500 件，这时的抽样误差就要考虑 N-n 的修正。
推导过程如果完整走一遍会有点长，核心是利用协方差项。因为不放回导致样本之间是负相关的，而二项分布的样本指标是独立的，所以超几何方差会在二项方差基础上减去一个因为负相关带来的削减量。你不需要每次手推，但心里要清楚：FPC 本质上是把“独立随机”改成了“不放回随机”之后，随机性的损失量。
3.3 算一个具体例子感受一下
假设有 10 个球，其中 4 个是红球，6 个是白球，不放回抽 3 个，X 表示抽到的红球数。
- 期望：E(X) = 3 * 4/10 = 1.2
- 方差：Var(X) = 3 * (4/10) * (6/10) * (10-3)/(10-1) = 3 * 0.24 * 7/9 = 0.56
- 如果放回抽样，方差应该是 3 * 0.4 * 0.6 = 0.72
可以看到，不放回的方差 0.56 明显小于放回的 0.72。这意味着什么？意味着不放回抽样下，抽样结果更集中、更稳定——因为我抽掉一个红球，剩下的红球就少一个，再抽到红球的条件概率就降低了，这种“自我限制”压低了极端情况出现的可能性。而放回抽样每次红球概率恒定，极端情况更容易出现。
你自己验证分布时，可以算 k=0,1,2,3 的概率：
P(X=0) = C(4,0) * C(6,3) / C(10,3) = 1 * 20 / 120 = 1/6 P(X=1) = C(4,1) * C(6,2) / C(10,3) = 4 * 15 / 120 = 1/2 P(X=2) = C(4,2) * C(6,1) / C(10,3) = 6 * 6 / 120 = 3/10 P(X=3) = C(4,3) * C(6,0) / C(10,3) = 4 * 1 / 120 = 1/30
这四块加起来正好等于 1。你看，用组合数算出来的概率表，可以直接用来做决策。比如你发现抽 3 个球出现 2 个以上红球的概率是 1/3，你就可以评估这个抽样方案是不是可接受的。
4. 真实世界里的超几何分布：从质检到扑克牌再到种群估算
4.1 制造业质量检验里的经典用法
超几何分布最经典的工程应用是质量检验。假设你有一批货物，总共 500 件，里面有 25 件次品。你要决定“这批货能不能收”，但不能全部拆开检查，只能抽 30 件来测。那这 30 件里次品数 X 服从 H(500, 25, 30)。
你一般不是只看某一件次品数等于多少的概率，而是看“次品数不超过某个阈值”的累积概率。比如你规定：30 件样品里如果次品数 ≤ 1，就接收这批货；如果 ≥ 2，就退回去。这时你就需要算 P(X≤1) = P(X=0) + P(X=1)。如果这两个概率之和很大，说明按你这个阈值，大概率会接受这批货。如果这个概率不算大，说明你的验收方案太严格或者样本量不够，需要调整。
这里有个很多工程师都会犯的错：直接用次品率 p = 25/500 = 0.05 去套二项分布，算 P(X≤1)。实际上因为抽样比是 30/500 = 6%，用二项分布算出来的结果误差不算太大，但在质量体系要求比较严格的行业（比如汽车零部件、医疗器械），这种近似是会被挑战的。审核员会问：你方不放回抽样，为什么用放回模型？所以凡是涉及正式报告或合规文件，最好直接用超几何分布。
4.2 扑克牌里的组合概率
再举一个大家都有体感的例子：从一副 52 张扑克里抽 5 张，问里面红桃的张数 X。这个分布就是超几何分布 H(52, 13, 5)，其中 N=52, M=13（红桃有13张）, n=5。
比如你想知道“5 张牌里恰好有 2 张红桃”的概率：
P(X=2) = C(13,2) * C(39,3) / C(52,5)
怎么理解？C(13,2) 是从 13 张红桃里选 2 张，C(39,3) 是从剩下 39 张非红桃里选 3 张，总样本空间 C(52,5) 是任意选 5 张。算出来大概是 0.274，也就是约 27.4%。
扑克牌的概率计算也是一个很好的自测题目，因为你可以不仅算红桃张数，还可以算花色分布、顺子、同花之类的概率。其实很多所谓“德州扑克概率”问题，本质上都是超几何分布的变体，只不过 M 的设定不同而已。
4.3 审计抽样：财务里的“抓球”游戏
审计抽样是超几何分布一个非常实际的应用场景。审计师想判断一家公司的账目里有多少笔异常交易，但不可能每一笔都去查，只能抽一部分。假设一共 1000 笔交易，审计师怀疑其中有 20 笔有问题，随机抽取 50 笔，问抽到的有问题笔数 X。
这里 X 就服从 H(1000, 20, 50)。审计师关心的是“如果问题真的这么多，我抽 50 笔却一笔都没抽到的概率有多大”。这个概率如果很高，说明当前抽样的“检测能力”不足——问题交易藏在没被抽到的那部分里，审计结论不可靠。
在审计准则里这叫“抽样风险”，而超几何分布恰恰是评估这个风险的工具。理解了这一点，你就明白为什么学概率论的时候总是强调“不放回抽样”了：现实中绝大多数抽样都是不放回的，不管是抽血检验、食品抽检还是财务审计。只有理解了超几何分布，你才算真正理解抽样误差的来源。
4.4 生物与机器学习的意外交集：标记-重捕法
超几何分布还有一个有点意外但很经典的应用：生态学里的“标记-重捕法”（capture-recapture）。比如你要估计一个湖里有多少条鱼，先捞 100 条，做上标记后放回去。过一段时间，等鱼完全混合了，再捞 80 条，数一数里面有标记的鱼有多少条。假设第二次捞到的标记鱼数是 k，那么用超几何分布就可以反向估计总鱼数 N。
更严谨的做法是用极大似然估计：找那个 N，使得 P(X = k | N) 最大。直觉上，如果第二次捞的鱼里标记比例是 k/80，那它应该约等于总体里的标记比例 100/N，所以 N ≈ 80 * 100 / k。这种“捕获-再捕获”的方法还广泛用于人口估计、流浪动物数量调查、以及搜索引擎对互联网页面总量的估算。
更有意思的是，在机器学习里，评估一个分类模型对少数类样本的识别效果时，也会用到类似的抽样思维。比如一个数据集里只有 1% 的正样本，你随机抽一批去人工标注，标注结果里正样本数量服从超几何分布。那你就能算出“抽 1000 条只标出 2 条正样本”的概率有多大，从而判断这批数据抽样够不够均衡、要不要做分层抽样。虽然很多教材不会把超几何分布跟机器学习扯到一块，但我自己实际做数据质量评估时，这个分布就像瑞士军刀一样常用。
5. 学习中的高频踩坑点与实用心得
5.1 最容易错的三件事：N、M、n 搞混
超几何分布里有三个参数，N、M、n，分别代表总体量、成功类总数、抽样量。这三个参数极其容易搞混，尤其是 M 和 n。我见过不少人把 M 当成抽样中的成功概率，或者把 n 当总体量去算组合数。
一个简单的记忆方法：N 是最大的那个数，它描述的是“分母里那个总体”；M 是“总体里的成功类数量”，对应 N 的一部分；n 是“你实际抽了多少个”，它对应概率公式里的样本量。写公式的时候先写 C(M, k) 还是先写 C(N-M, n-k) 不是关键，关键是分子两个组合数的下标要相加等于 N，上标要相加等于 n。你可以用这个守恒关系来检验自己有没有写错。
5.2 什么时候可以放心用二项分布近似
日常工作和考试里，经常遇到“虽然是不放回抽样，但我能不能用二项分布算”的处境。我的判断标准是：
- 如果抽样比 n/N < 5%，直接用二项分布，误差几乎可以忽略。
- 如果 n/N 在 5%~10% 之间，看精度要求，一般也还好。
- 如果 n/N > 10%，建议老老实实用超几何分布。
- 严格情况下，只要 N 和 n 已知且相差不大，超几何分布的计算在现代工具里并不费劲，没必要偷懒。
比如用 Excel，直接有 HYPGEOMDIST 函数；用 Python 的 scipy.stats 里 hypergeom 模块也很方便，算累积概率一行代码就搞定。既然工具这么方便，考试之外的真实场景里，我还是建议优先用超几何分布，避免被审核挑战。
5.3 让组合数计算不晕的小技巧
超几何分布的概率计算核心是组合数。虽然现代工具都能直接算，但理解手工计算还是很有价值的，特别是一些小的计算技巧。
第一，善用组合数对称性：C(n, k) = C(n, n-k)。比如 C(10, 8) = C(10, 2) = 45，直接算 8 的话计算量大很多。
第二，当数量很大时，先约分再乘，别拿大数硬乘。比如 C(100, 2) = 100*99/2 = 4950，直接约分就能算。工程里很多组合数是 C(500, 30) 这种，手算基本不现实，直接用工具就行，但约分意识能帮你快速做近似估算。
第三，用概率表的规范性检查。算完全部 k 的概率之后，把它们加起来看是否等于 1。不等于 1 说明分子或者权重有误，这是最常用的自查方法。
5.4 一个实用计算案例：用 Python 做验收抽样
假设你接到一个任务：一批零件 200 个，里面有 10 个次品。你随机抽 20 个去测试，问抽到至少 1 个次品的概率。
手算思路：P(X≥1) = 1 - P(X=0) = 1 - C(10,0)*C(190,20)/C(200,20)。这里 C(190,20) 计算量大，但直觉上这个概率接近 1 - (0.95)^20 ≈ 0.6415，因为抽样比 10% 不算太极端，近似有一定可信度。
用 Python 可以这样：
from scipy.stats import hypergeom # 参数：N=200, M=10, n=20 # 求 P(X >= 1) p_at_least_one = 1 - hypergeom.pmf(0, 200, 10, 20) print(p_at_least_one) # 也可以直接算累积分布 p_value = hypergeom.sf(0, 200, 10, 20) # sf = 1 - cdf print(p_value)你会算出来大概是 0.6522 左右。如果你用二项分布 B(20, 0.05) 算 P(X≥1)，结果是 1 - 0.95^20 ≈ 0.6415，两者差了约 0.01。这个差异在工程决策里可能就决定了“这批货要不要返工”。总之，能用精确分布就用精确分布，省得后面跟别人争论。
5.5 给没时间深入推公式的人：一张便利贴
如果你只是想在考试或者工作中快速判断，记住下面几句话就够了：
- 看到“不放回抽样”四个字，第一反应就是超几何分布。
- 看到“放回抽样”或“独立重复”四个字，直接上二项分布。
- 超几何分布的期望和二项分布很像，但方差更小。
- 大小两个参数 N 和 M 只影响“总体构成”，影响 n 的是“抽样成本”。
- 样本量 n 与总体 N 的比越小，超几何分布越像二项分布。
这篇整理虽然拖了很久才完成，但写到这里我自己对超几何分布的很多模糊地带反而清晰了。尤其是“期望线性+对称性”那段，以前只是记住公式，现在终于能解释为什么每个位置的边缘概率都是 M/N 了。概率论这些分布看起来公式一大堆，但它们背后的直觉链条其实是互通的，这次把超几何分布补齐之后，整个抽样推断的拼图也完整不少。
