超几何分布是离散随机变量的概率分布问题。随机变量可以获得有限的值，每个值都可以获得概率。此时，解决方案是使用古典的概率公式。

在产品抽样检验中经常会遇到一种实际问题，假设N件产品中有M件不合格品，即不合格率 。

检查产品中随机抽取n件，发现k件不合格品的概率为 ,k=0,1,2,...,min{n,M}。

相关推荐:Python基础教程

亦可写作

(与上式不同的是，M可以是任何实数，而C表示的组合数M为非负整数)

它是古典概型的组合形式，a是下限，b是上限。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)超几何分布模型不放回抽样。

(2)超几何分布中的参数为M，N,n，上述超几何分布作为X~H(n,N,M）。

python实例代码：

importnumpyasnp
importmatplotlib.pyplotasplt
#超级几何分布hypergeometricetriccethypergeome(ngood,nbad,nsample,size=None)好的总数，坏的总数，每次采样的数量，测试的数量
#np.random.hypergeometric(10,20,5,size=4)
#一个口袋里有30个球，其中10个红球，其余的是白球，除了颜色完全相同。游戏玩家一次摸出五个球。
至少有四个红球获得一等奖，那么获得一等奖的概率是多少呢？
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()