分布:正态、二项与泊松都在同一屏
不用录数据:说出曲线的名字、中心与离散度,再填题目问的那个 x,读高度或读到 x 的面积。
约 8 分钟 进阶 更新于 2026-11-07
Distribution 就是去掉了数据的 Statistics。你交出的是形状:哪个模型、它的中心与离散度,以及题目问的那一个 x。机器返回曲线在该 x 处的高度,或者到该 x 为止曲线下的面积。两次计算之间不保存任何东西,所以不必先去清理上次留下的表格。
打开分布并录入数值
以 μ = 60、σ = 5 的正态曲线为例
- 1 MENU
打开功能菜单。
- 2 ▼ ▶
把高亮移到 Distribution 图标上。
- 3 =
进入该应用。
- 4 ▼ =
选模型。按文字认,别按编号认:这一列是正态、二项、泊松及其余,顺序因 EX 机型而异。
- 5 ▼ =
在两格里挑一个:x 处的值,还是到 x 为止的累积面积。这个应用里每个模型都提供这两格。
- 6 6 5 =
x 那一栏:65,也就是题目问的那个分数。
- 7 5 =
离散度那一栏:σ = 5。
- 8 6 0 =
中心那一栏:μ = 60。
- 9 =
确认后读结果,再按 AC 离开。屏幕会把各栏的名字再印一遍,落笔之前核对一次。
正态:读面积,不是读高度
假设成绩服从 μ = 60、σ = 5 的正态曲线。「到 65 为止的面积」和「有多少比例的人不高于 65」是同一件事,而 65 正好在均值上方一个 σ 处。
| 问题 | 屏幕 | 怎么核对 |
|---|---|---|
| P(X ≤ 65) | 0.841345 | 均值上方一个 σ:约占面积的 84% |
| P(X ≤ 55) | 0.158655 | 镜像:1 减去上一行 |
| P(55 ≤ X ≤ 65) | 0.68269 | 中间那一条:68-95-99.7 里的 68% |
| x = 65 处的高度 | 0.048394 | 这是密度:没有宽度,就不是概率 |
| x = 60 处的高度 | 0.079788 | 峰值,因为曲线在 μ 处最高 |
- P(X > 65) = 1 − 0.841345 = 0.158655。正态曲线关于 μ 对称,所以 65 以上的右尾与 55 以下的左尾是同一个数——这也是发现 σ 与 μ 录反的最快办法。
- 先减再舍入:中间那条面积是机器手里两个完整位数之差,不是上面这六位小数之差。
- 本文的数字都舍入到六位小数。你的屏幕位数更多,而能看到几位由显示格式决定,不是由算法决定。
二项与泊松:数的是次数,不是测量值
这两个模型都作用在整数的成功次数上,也都要先把「高度还是面积」定下来再录入。十次均匀硬币是最小的一例,整个答案可以直接在纸上验完。
| 模型 | 问题 | 屏幕 |
|---|---|---|
| 二项 n = 10,p = 0.5 | 恰好 3 次正面 | 0.1171875 |
| 二项 n = 10,p = 0.5 | 不超过 3 次正面 | 0.171875 |
| 泊松 λ = 3 | 恰好来 2 个 | 0.2240418 |
| 泊松 λ = 3 | 最多来 2 个 | 0.4231901 |
二项这一对就是算术:(a + b)¹⁰ 的系数依次是 1、10、45、120、210……,所以 P(X = 3) = 120 ÷ 1024 = 0.1171875,P(X ≤ 3) = (1 + 10 + 45 + 120) ÷ 1024 = 176 ÷ 1024 = 0.171875。
输入
176 ÷ 1024
结果
0.171875
分母是 2¹⁰,每一种结果占一个。屏幕若在显示分数,S⇔D 就把同一个结果换成这个小数。
- 均值是白送的:二项是 np = 5 次正面,泊松是 λ = 3 次。答案离这两个数很远,就值得再看一眼。
- 均值下面一行就是离散度——硬币是 √(np(1 − p)) = 1.581139,来客数是 √λ = 1.732051——它和正态曲线里要填的 σ 是同一种数。
- 二项数的是固定 n 次里的成功次数;泊松数一段时间或一段空间里的事件数,没有 n 可指。选错模型是机器唯一看不出来的错。
- λ 正好取 3 时,P(X = 2) 与 P(X = 3) 是同一个数 0.2240418:均值为整数的泊松有两根最高的柱子,所以「最可能的次数」这题本来就有两个答案。
这篇教程有帮助吗?
告诉我们哪里不清楚、缺了什么或哪里写错了。一句具体的描述比打分更有用。