توزیع فوق هندسی مجموعه ای از N عضو را در نظر بگیرید که k عضو آن دارای یک ویژگی و بقیه، فاقد این ویژگی هستند. مانند 500 لامپ موجود در یک جعبه که 300 تای آن سالم و بقیه معیوب باشند. حال فرض کنید می خواهیم از این مجموعه، n عضو به صورت تصادفی (بدون جایگذاری) انتخاب کنیم. دراین صورت اگر متغیر تصادفیX تعداد عناصری در n برداشت باشد که دارای ویژگی موردنظر هستند، می گوئیم X دارای توزیع فوق هندسی است.
ابتدا برای درک بهتر این توزیع یک مثال مطرح می کنیم. فرض کنید از جعبه ای شامل D فیوز معیوب و N-D فیوز سالم، n فیوز را بطور تصادفی و بدون جایگذاری انتخاب کنیم. به علاوه فرض کنیدn، تعداد فیوزهای استخراجی از تعداد فیوزهای معیوب و فیوزهای سالم تجاوز نکند.فرض کنید متغیرتصادفی X تعداد فیوزهای معیوب خارج شده باشد.بنابراین:تعریف: فرض کنید D,N و n اعداد صحیح و مثبت اند، با n ≤ m i n ( D , N − D ) {\displaystyle n\leq min(D,N-D)} . دراینصورت،
را تابع جرم احتمال توزیع فوق هندسی می گویند.
با استفاده از اتحاد ترکیبیاتی واندرموند به راحتی می توان نتیجه گرفت که
ابتدا برای درک بهتر این توزیع یک مثال مطرح می کنیم. فرض کنید از جعبه ای شامل D فیوز معیوب و N-D فیوز سالم، n فیوز را بطور تصادفی و بدون جایگذاری انتخاب کنیم. به علاوه فرض کنیدn، تعداد فیوزهای استخراجی از تعداد فیوزهای معیوب و فیوزهای سالم تجاوز نکند.فرض کنید متغیرتصادفی X تعداد فیوزهای معیوب خارج شده باشد.بنابراین:تعریف: فرض کنید D,N و n اعداد صحیح و مثبت اند، با n ≤ m i n ( D , N − D ) {\displaystyle n\leq min(D,N-D)} . دراینصورت،
را تابع جرم احتمال توزیع فوق هندسی می گویند.
با استفاده از اتحاد ترکیبیاتی واندرموند به راحتی می توان نتیجه گرفت که
wiki: توزیع فوق هندسی