1樓：一碗湯
b二項分布 binomial distribution
p泊松分布 poisson's distribution
u均勻分布 uniform distribution
e指數分布 exponential distribution
n正態分佈 normal distribution
擴充套件資料：
正態分佈的曲線應用
綜述1、估計頻數分布 乙個服從正態分佈的變數只要知道其均數與標準差就可根據公式即可估計任意取值範圍內頻數比例。
2、制定參考值範圍
（1）正態分佈法 適用於服從正態（或近似正態）分布指標以及可以通過轉換後服從正態分佈的指標。
（2）百分位數法 常用於偏態分布的指標。表3-1中兩種方法的單雙側界值都應熟練掌握。
3、質量控制：為了控制實驗中的測量（或實驗）誤差，常以 作為上、下警戒值，以 作為上、下控制值。這樣做的依據是：正常情況下測量（或實驗）誤差服從正態分佈。
/4、正態分佈是許多統計方法的理論基礎。檢驗、方差分析、相關和回歸分析等多種統計方法均要求分析的指標服從正態分佈。
許多統計方法雖然不要求分析指標服從正態分佈，但相應的統計量在大樣本時近似正態分佈，因而大樣本時這些統計推斷方法也是以正態分佈為理論基礎的。
頻數分布
例1.10 某地2023年抽樣調查了100名18歲男大學生身高（cm），其均數=172.70cm，標準差s=4.01cm，
①估計該地18歲男大學生身高在168cm以下者佔該地18歲男大學生總數的百分數；
②分別求x+-1s、x+-1.96s、x+-2.58s範圍內18歲男大學生佔該地18歲男大學生總數的實際百分數，並與理論百分數比較。
本例，μ、σ未知但樣本含量n較大，按式（3.1）用樣本均數x和標準差s分別代替μ和σ，求得u值，u=（168-172.70）/4.01=-1.17。
查附表標準正態曲線下的面積，在表的左側找到-1.1，表的上方找到0.07，兩者相交處為0.
1210=12.10%。該地18歲男大學生身高在168cm以下者，約佔總數12.
10%。
2樓：匿名使用者
分別是這樣縮寫的
b二項分布 binomial distributionp泊松分布 poisson's distributionu均勻分布 uniform distributione指數分布 exponential distributionn正態分佈 normal distribution
怎麼記憶概率論中各種分布的符號
3樓：墨汁諾
x~b(n,p)二項分布，binomial 伯努利實驗x~p(a) poisson 波松分布。
x~u（a,b) uniforn 均勻分布x~e(a) exponential 指數分布x~n(a,b)normal 正態分佈
0-1分布：b(1,p)
二項分布：b(n,p)
泊松分布：p(λ)
均勻分布：u(a,b)
指數分布：e(λ)
正態分佈：n(μ,σ²)
4樓：記夢亦夢以失
0—1分布，數學期望p 方差p(1-p)；
二項分布(貝努里概型)，數學期望np 方差np(1-p)；
泊松分布，數學期望λ 方差λ；
均勻分布，數學期望(a+b)/2 方差[(b-a)^2]/12；
指數分布，數學期望1/λ 方差1/λ^2；
正態分佈，數學期望μ 方差σ^2；
標準正態分佈，數學期望0 方差1
負二項分布的舉例，負二項分布的定義
1 把負二項分布用在一台裝置在故障前正常執行的天數的模型，這種情況下，裝置一天執行正常，記為結果 成功 反之故障的話結果為 失敗 2 如果把負二項分析用在動作員嘗試射門得分前的嘗試次數模型，這種情況下，每次不成功的嘗試在模型裡為 成功 並且得分記為 失敗 3 如果拋硬幣，負二項分布可以把頭像一面作為...
請問正態分佈指數分布泊松分布二項分布以及其他分布都如
我是學數學的，老師上課的時候專門強調了，我們現在的水平還達不到去區分乙個隨機試驗究竟是屬於什麼分布，很多時候都是先告訴我們那是屬於什麼分布，然後給出分布函式或者分布函式密度，我們再根據它求概率，求期望之類的。但有的情況下，又是要自己去區分有些分布的，我把我知道的告訴你吧！二項分布 適合於多次重複試驗...
超幾何分布和二項分布的區別？就下面的第二問說明一下？
超幾何分布型別的問題，知道總體的個數n，並且總體中的元素分為兩類，常用的是分為 次品或男生 女生等等。2 二項分布解決的問題是獨立重複試驗，重複 的意思是每次事件發生的概率相等。題目中的條件是進行n次獨立重複試驗，每次試驗中成功的概率為p，二項分布研究的是這n次試驗中成功k次的概率。當試驗次數為1時...