Calculateur de distribution hypergéométrique

Qu'est-ce que la distribution hypergéométrique ?

La distribution hypergéométrique modélise la probabilité de tirer un nombre spécifique de succès lors d'un échantillonnage sans remise à partir d'une population finie. Contrairement à la distribution binomiale, qui suppose des essais indépendants avec probabilité constante, la distribution hypergéométrique tient compte de la façon dont chaque tirage modifie la composition de la population restante.

Exemple classique : Tirer des cartes d'un jeu. Une fois que vous tirez un as, il reste moins d'as (et moins de cartes au total), affectant les probabilités des tirages suivants.

La configuration

Considérez une population de $N$ éléments :

• $K$ éléments sont des « succès » (le type que vous comptez)
• $N - K$ éléments sont des « échecs »

Vous tirez $n$ éléments sans remise. La distribution hypergéométrique donne la probabilité d'obtenir exactement $k$ succès.

La formule

$P(X = k) = \frac{\binom{K}{k} \binom{N-K}{n-k}}{\binom{N}{n}}$

Où :

• $\binom{K}{k}$ = façons de choisir $k$ succès parmi $K$ disponibles
• $\binom{N-K}{n-k}$ = façons de choisir les éléments restants parmi les non-succès
• $\binom{N}{n}$ = façons totales de choisir $n$ éléments parmi $N$

Plage valide pour k

Le nombre de succès $k$ doit satisfaire :

$\max(0, n - (N - K)) \leq k \leq \min(n, K)$

Vous ne pouvez pas tirer plus de succès qu'il n'en existe ($k \leq K$), plus que vous ne tirez ($k \leq n$), ni moins que ce qui est forcé par avoir trop peu d'échecs ($k \geq n - (N - K)$).

Statistiques clés

• Moyenne : $E[X] = n \cdot \frac{K}{N}$
• Variance : $Var(X) = n \cdot \frac{K}{N} \cdot \frac{N-K}{N} \cdot \frac{N-n}{N-1}$

La formule de la variance inclut le facteur de correction pour population finie $\frac{N-n}{N-1}$, qui réduit la variance par rapport à l'échantillonnage binomial.

Applications pratiques

Contrôle qualité

Un envoi contient 100 pièces, dont 10 sont défectueuses. Si un inspecteur échantillonne 20 pièces sans remise, quelle est la probabilité de trouver exactement 3 défectueuses ?

$P(X = 3) = \frac{\binom{10}{3} \binom{90}{17}}{\binom{100}{20}} \approx 0,211$

C'est plus précis que l'approximation binomiale pour les petites populations.

Jeux de cartes

Probabilité de recevoir exactement 2 cœurs dans une main de poker de 5 cartes :

$P(X = 2) = \frac{\binom{13}{2} \binom{39}{3}}{\binom{52}{5}} = \frac{78 \times 9139}{2598960} \approx 0,274$

Études écologiques

Les méthodes de capture-recapture estiment les tailles de population en utilisant le raisonnement hypergéométrique. Si des chercheurs ont marqué 50 poissons, puis capturé 30 poissons (dont 10 étaient marqués), ils peuvent estimer la population totale.

Analyse de loterie

Les calculs de probabilité de loterie impliquent souvent des distributions hypergéométriques, surtout pour les jeux où vous sélectionnez des numéros à partir d'un pool fixe sans remise.

Audit

Lors de l'audit d'un échantillon de transactions pour les erreurs, la distribution hypergéométrique modélise correctement la découverte d'erreurs dans l'échantillon étant donné une population finie de transactions.

Hypergéométrique vs binomiale

Quand utiliser l'approximation binomiale : Quand $n < 0,05N$ (l'échantillon est inférieur à 5% de la population), la binomiale approxime bien l'hypergéométrique et est plus simple à calculer.

Connexion avec le test exact de Fisher

Le test exact de Fisher pour les tables de contingence 2×2 est basé sur la distribution hypergéométrique. Il teste si deux variables catégorielles sont indépendantes en calculant les probabilités hypergéométriques.

Hypergéométrique multivariée

La distribution s'étend à plusieurs catégories. Si une population a des éléments de types 1, 2, ..., $m$ avec effectifs $K_1, K_2, ..., K_m$ :

$P(X_1 = k_1, ..., X_m = k_m) = \frac{\prod_{i=1}^{m} \binom{K_i}{k_i}}{\binom{N}{n}}$

Cela modélise des scénarios comme tirer des cartes de plusieurs couleurs ou échantillonner des éléments de plusieurs types.

Considérations computationnelles

Pour les grandes populations, le calcul direct des factorielles conduit à un dépassement. Utilisez :

• Calculs de log-factorielle : $\log(n!) = \sum_{i=1}^{n} \log(i)$
• Relations récursives
• Approximation de Stirling pour les très grandes valeurs

Calculs associés

• Calculateur de probabilité binomiale — Échantillonnage avec remise
• Test exact de Fisher — Basé sur l'hypergéométrique
• Calculateur de combinaisons — Comptage sous-jacent
• Calculateur binomiale négative — Jusqu'à $r$ succès

Résumé

La distribution hypergéométrique est essentielle lors de l'échantillonnage sans remise à partir d'une population finie — situations où chaque sélection affecte réellement les probabilités suivantes. Des inspections de contrôle qualité aux probabilités de jeux de cartes en passant par les estimations de population écologique, elle fournit des probabilités exactes que les approximations binomiales manquent. Bien que plus intensive en calcul, les outils modernes gèrent facilement les calculs, rendant l'analyse hypergéométrique accessible pour les applications pratiques.