توزیع فوق‌هندسی

توزیع فوق هندسی برای درک متغیر تصادفی هندسی می توان اینگونه پنداشت که قصد داریم نمونه ای به اندازه ی n را به تصادف و بدون جایگذاری از ظرفی که دارای N توپ است که D تای ان سفید و N-D تای ان سیاه هستند انتخاب کنیم.:

فوقِ هندسی

پارامترها	$N\in 0,1,2,3...\,$ $D\in 0,1,...,N\,$ $n\in 0,1,...,N\,$
‫تکیه‌گاه	$k \in 0,1,...,n\,$
تابع چگالی احتمال	${{{D \choose k} {{N-D} \choose {n-k}}}\over {N \choose n}}$
تابع توزیع تجمعی‫ (سی‌دی‌اف)
میانگین	$nD\over N$
میانه
مُد
واریانس	$n(D/N)(1-D/N)(N-n)\over (N-1)$
چولگی
کشیدگی
انتروپی
‫تابع مولد گشتاور (ام‌جی‌اف)	$\frac{{N-D \choose n}}{{N \choose n}}\,_2F_1(-n,-D;N-D-n+1;e^{t})$
تابع مشخصه	$\frac{{N-D \choose n}}{{N \choose n}}\,_2F_1(-n,-D;N-D-n+1;e^{it})$