Distribution: нормальное и биномиальное распределения и распределение Пуассона на одном экране
Обойдитесь совсем без таблицы данных: назовите кривую, введите x, о котором спрашивает задача, и снимите либо высоту кривой, либо площадь до этой точки.
8 мин. чтения Средний обновлено 2026-11-07
Distribution — это семейство Statistics без данных. Вместо них вы задаёте форму: какая модель, её центр и её разброс, а также то единственное значение, о котором спрашивает задача. Устройство затем выдаёт либо высоту кривой в этом x, либо площадь под ней до этого x. Между запусками ничего не сохраняется, так что нет старого столбца, который пришлось бы сначала чистить.
Откройте распределение и введите числа
Последовательность клавиш для нормального распределения с μ = 60 и σ = 5
- 1 MENU
Откройте меню приложений.
- 2 ▼ ▶
Переместите выделение на значок Distribution.
- 3 =
Откройте приложение.
- 4 ▼ =
Выберите модель. Ориентируйтесь на название, а не на номер: список содержит Normal, Binomial, Poisson и остальные, и их порядок различается у разных моделей EX.
- 5 ▼ =
Выберите, какой из двух пунктов вам нужен: значение в точке x или накопленную площадь до x. Каждая модель этого приложения предлагает оба варианта.
- 6 6 5 =
Поле x: 65 — балл, о котором спрашивает задача.
- 7 5 =
Поле разброса: σ = 5.
- 8 6 0 =
Поле центра: μ = 60.
- 9 =
Подтвердите ввод и снимите результат, затем нажмите AC для выхода. Экран повторяет названия полей; проверьте их один раз, прежде чем что-то записывать.
Нормальное распределение: площадь, а не высота
Рассмотрим баллы, подчиняющиеся нормальному распределению с μ = 60 и σ = 5. Спросить о площади до 65 — то же самое, что спросить «Какая доля участников набрала 65 или меньше?», причём 65 находится ровно на одно σ выше среднего.
| Вопрос | Экран | Как это проверить |
|---|---|---|
| P(X ≤ 65) | 0.841345 | одно σ выше среднего: около 84 % площади |
| P(X ≤ 55) | 0.158655 | зеркальное отражение: 1 − строка выше |
| P(55 ≤ X ≤ 65) | 0.68269 | средняя полоса — те самые 68 % из правила 68-95-99.7 |
| Высота при x = 65 | 0.048394 | плотность: нет ширины, значит нет и вероятности |
| Высота при x = 60 | 0.079788 | вершина: кривая максимальна при μ |
- P(X > 65) = 1 − 0.841345 = 0.158655. Нормальное распределение симметрично относительно μ: правый хвост выше 65 и левый хвост ниже 55 — поэтому одно и то же число. Это способ за две секунды заметить, что σ и μ введены наоборот.
- Вычитайте до округления: средняя площадь — это разность двух площадей с полным числом знаков, которое хранит устройство, а не разность напечатанных выше чисел с шестью знаками после запятой.
- Значения здесь округлены до шести знаков после запятой. Ваш экран хранит больше знаков, и сколько вы видите — вопрос настройки отображения, а не вычисления.
Биномиальное распределение и Пуассон: счёт, а не измерения
Оба работают с целыми числами попаданий, и в обоих выбор между высотой и площадью должен быть сделан до ввода. Десять бросков честной монеты — наименьший случай, в котором весь ответ можно проверить на бумаге.
| Модель | Вопрос | Экран |
|---|---|---|
| Binomial n = 10, p = 0.5 | ровно 3 орла | 0.1171875 |
| Binomial n = 10, p = 0.5 | 3 орла или меньше | 0.171875 |
| Poisson λ = 3 | ровно 2 поступления | 0.2240418 |
| Poisson λ = 3 | 2 поступления или меньше | 0.4231901 |
Оба биномиальных результата — чистая арифметика: коэффициенты (a + b)¹⁰ равны 1, 10, 45, 120, 210 и так далее, поэтому P(X = 3) = 120 ÷ 1024 = 0.1171875, а P(X ≤ 3) = (1 + 10 + 45 + 120) ÷ 1024 = 176 ÷ 1024 = 0.171875.
Ввод
176 ÷ 1024
Результат
0.171875
Знаменатель — 2¹⁰, по одному на каждый возможный исход. Если экран показывает дробь, S⇔D превращает тот же результат в эту десятичную дробь.
- Средние значения достаются даром: биномиальное распределение даёт np = 5 орлов, распределение Пуассона — λ = 3 поступления. Ответ, далёкий от этих чисел, заслуживает второго взгляда.
- Разброс — следующая строка после среднего: √(np(1 − p)) = 1.581139 для монеты, √λ = 1.732051 для поступлений — и это та же величина, которую нормальное распределение требовало как σ.
- Биномиальное распределение считает попадания при фиксированном n; распределение Пуассона считает события на отрезке времени или пространства, где нет n, на которое можно было бы указать. Выбор неверной модели — единственная ошибка, которую устройство не способно заметить.
- При λ, равном ровно 3, P(X = 2) и P(X = 3) — одни и те же 0.2240418: у кривой Пуассона с целым средним два одинаково высоких максимальных столбика, поэтому «наиболее вероятное число» — вопрос с двумя ответами.
Помогло ли вам это руководство?
Расскажите, что было непонятно, чего не хватало или что было неверно. Одно конкретное предложение полезнее оценки.