Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Вы не можете выполнять запрошенное действие.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

==Гипергеометрическое распределение== В теории вероятности и статистике, гипергеометрическое распределение это дискретное вероятностное распределение, которое описывает количество успехов в выборке без возвращений длины <tex>n</tex> над конечной совокупностью объектов. {| class="wikitable" |- ! ! Попали в выборку ! Не попали в выборку ! Всего |- ! С дефектом (успех) | <tex>k</tex> | <tex>m-k</tex> | <tex>m</tex> |- ! Без дефекта | <tex>n-k</tex> | <tex>N+k-n-m</tex> | <tex>N-m</tex> |- ! Всего | <tex>n</tex> | <tex>N-n</tex> | <tex>N</tex> |} Это выборка из <tex>N</tex> объектов в которых <tex>m</tex> дефективных. Гипергеометрическое распределение описывает вероятность того, что именно <tex>k</tex> дефективных в выборке из <tex>n</tex> конкретных объектов, взятых из совокупности. Если случайная величина <tex>X</tex> распределена гипрегеометрически с параметрами <tex>N,m,n</tex>, тогда вероятность получить ровно <tex>k</tex> успехов (дефективных объектов в предыдущем примере) будет следующей: <tex> f(k;N,m,n)=\frac{C_k^m C_{n-k}^{N-m}}{C_k^N} </tex> ==Математическое ожидание== <tex> E(X)=\frac{nm}{N} </tex> ==Дисперсия== <tex> D(X)=\frac{n(\frac{m}{N})(1-\frac{m}{N})(N-n)}{N-1} </tex>

Возврат к странице Участник:Чижик Григорий/Песочница.